高盛预计，2026 年至 2031 年间，AI 基础设施的累计支出约为 7.5 万亿至 7.6 万亿美元。其中，约 5.1 万亿美元用于算力，2.1 万亿美元用于数据中心，3580 亿美元用于电力基础设施；与此同时，年度 AI 资本支出预计将从今年估计的 7650 亿美元升至 2031 年的 1.6 万亿美元。

高盛的研究框架将 NVIDIA 视为算力层的主要受益者，预计这家芯片制造商将拿下该细分领域约 75% 的支出份额。高盛表示，这种集中度在此前任何科技资本支出周期中都没有先例。

仅按年度支出节奏计算，这都将成为科技史上规模最大的单笔资本投入。高盛分析师还指出，市场一致预期一直低估这一支出速度：2026 年资本支出一致预期在一个财报季内就从 4650 亿美元上调至 5270 亿美元。

“到 2031 年，AI CAPEX 将达到 7.6 万亿美元？令人震惊，但高盛估算中真正让我担忧的是分配给电力的份额太小。”Christophe Barraud 在 2026 年 7 月 11 日的一条 X 帖子中写道。“在整个期间，高盛预计约有 5.1 万亿美元用于算力，超过 2.1 万亿美元用于数据中心，以及……”

对于跟踪 AI 基础设施的散户加密投资者而言，高盛的这些数字并不是背景噪音。它们构成了评估 AI 算力代币、去中心化 GPU 网络以及 AI 代币预售的宏观框架，尤其是在这轮支出周期集中于加密原生项目经常试图复制或补充的基础设施层时。

7.5 万亿美元的预测意味着一个足够庞大的资本周期，即便只有 0.1% 的资金转向加密原生基础设施轨道，也会对代币市场形成实质性催化。对于追逐预售的投资者来说，问题不在于这一周期是否真实存在；高盛持续上调预测的历史已经给出答案，而在于哪些代币赛道在结构上具备捕获其中一部分资金的条件。

高盛 5.1 万亿美元算力预测，对加密货币 AI 机会意味着什么

这个 headline 数字固然庞大，但高盛预测的内部结构才是其对加密资产配置更具分析价值的原因。5.1 万亿美元的算力层是最大的支出类别，规模超过数据中心支出的两倍以上，也大约是电力预算的十四倍。高盛研究基于一系列具体硬件假设：下一代 GPU 节点单价约为 80,500 美元，每套功耗为 3,000 瓦，电源使用效率（PUE）为 1.2。

这些并不是推测性输入，而是反映了 NVIDIA 当前一代架构的真实采购经济学。

算力层中 NVIDIA 预计占据约四分之三的份额，这一数字使去中心化替代方案具有了分析意义，而不仅仅是理念上的吸引力。当单一供应商被预计拿走一个 5.1 万亿美元支出类别中的如此大份额时，供应链风险、定价能力以及出口管制风险集中于同一家公司，就为无需许可的算力替代方案创造了结构性窗口。

高盛自身研究指出，对 AI 基础设施“错失恐惧”与可衡量的投资回报率一样，是推动这一资本支出热潮的重要动力，这意味着这轮周期本身也带有持续时间风险。更广泛的高盛 AI 投资观点，已经开始同时重塑新兴市场和不同资产类别的资金流向。

从金额上看，电力是 3580 亿美元，属于最小的一项，但高盛分析师认为，真正限制部署速度的主要瓶颈并不是算力可得性，而是电力。数据中心成本假设为每兆瓦 1500 万美元，新电力成本为每千瓦 2500 美元。

目前，改造型（brownfield）数据中心空间占 2026 年部署的 15%，预计到 2031 年将升至 30%，因为新建场地（greenfield）面临电网接入延迟。高盛预计，电力瓶颈不会是短暂摩擦，而会在整个 2026—2031 年窗口期内持续存在，这也是支持去中心化、地点更灵活的 AI 算力基础设施的最明确理由。

EXPLORE: Best Memecoins Presales to Watch in July

The post Goldman Sachs $7.5T AI Capex Breakdown and What It Means for Crypto appeared first on icobench.com .