根据加拿大丰业银行全球股票研究团队的一份深入分析，一座100 MW的专用推理园区若采用GB200 NVL72机架，要实现15%的杠杆股权内部收益率（IRR），每GPU小时大约需要2.91美元。

丰业银行的模型将100 MW关键IT负载的项目总资本开支估算为40.3亿美元，即每兆瓦4030万美元。其中64%分配给IT设备，按每个NVL72机架300万美元计，其中很大一部分支出流向NVDA。其余36%归于设施本身，按每兆瓦1450万美元计。

该行假设项目70%以8.0%的利率融资，期限6年，并在第六年后对IT资本开支保留15%的残值，这说明回报测算对融资条款以及持有期结束时设备价值都非常敏感。

丰业银行表示，当前GB200租赁报价似乎已经通过这一门槛。按2.91美元这一要求计算，模型相当于每百万输出token约0.81美元。相比之下，目前封闭模型的token输出成本从Gemini 3.1 Flash-Lite的1.50美元到GPT 5.4的15美元不等。不过，DeepSeek V4 Flash的价格为0.28至0.66美元，而Ox Alpha看起来约为0.50美元，接近Claude Opus 4.8这一产品水平。

报告还强调了超大规模云厂商承诺规模之大。丰业银行称，表外数字已达到2.588万亿美元，另有7790亿美元已在表内。这些数据不包括1200亿美元的担保及其他或有敞口，因为它们不属于确定性承诺。

另一个重要数字是运营费用估算。丰业银行将opex定为每GPU小时0.52美元，并将其描述为底线，因为低于这一水平，最好关闭设施。报告指出，大宗商品生产商和工厂有时确实会在一段时间内亏损经营，但同样的逻辑仍然设定了一个现实下限。

报告认为，AI基础设施的看空情景在于，这些数据中心的某个“已承诺租户”——例如OpenAI或Anthropic——可能倒闭。在这种情况下，一座造价40.3亿美元、以28.2亿美元债务融资的设施将失去租户。由于专门建设的AI园区没有快速的替代用途，贷款方手中只会剩下无法移动、用途单一的抵押物。设备本身也是资产中价值折旧最快的部分。丰业银行表示，贷款方很可能会计提减值、寻找运营方，并按照市场愿意承受的价格出售算力。

该行以光纤行业作为历史类比，提到2001年至约2010年期间的情况。当时，一次违约会在同一时刻移除已签约需求并增加现货供给，从而压低二级价值，其原因与供给超过需求时租金下跌相同。

丰业银行给出的现金成本估算为0.145美元，而市场中位数API列表定价的输出token价格为1.94美元，但报告称这一价格可以变化。

报告还指出，另一个重大风险是电力供应。并网排队、变压器和涡轮机积压，以及熟练电气劳动力短缺，都可能限制已宣布产能的实际落地速度。这就带来一种可能：设施建成时电力尚未准备就绪，导致GPU在场地完全投用前就已老化。

在不考虑违约风险的情况下，值得关注的一个指标是合同定价。丰业银行写道：“在我们的模型中，2.50美元和3.50美元的差异，决定了一个失败的基准情景与一个能够同时通过回报和覆盖测试的项目之间的分界。”

报告也留下一个未解问题：如果这些巨额投资只是勉强达到资本门槛，超大规模云厂商应以什么估值倍数交易？如果资本开支确实带来真实的增量收益，EPS会在估值下调中逐步消化，股价可能多年横盘。丰业银行表示，这通常是高回报业务转向资本密集型模式时的常见结果。

丰业银行还强调了循环融资动态，这已成为AI建设热潮的关键特征。超大规模云厂商和模型开发者的承诺支持项目债务，令租户、基础设施所有者和贷款方之间形成相关性风险。更低的API定价可能削弱租户信用、压低残值、扩大项目债务利差，并放缓再融资和建设。最终结果取决于不断上升的需求强度能否抵消持续下降的token价格以及已安装产能的过时风险。

不过，我真正关心的最后一个问题是：如果AI成功了，会怎样？在超级智能的世界里，模型首先做的一件事可能就是优化，这可能把token成本压到最低。此外，自学习模型应该能够设计出比当前使用中的芯片效率高得多的芯片。