📢 Gate 广场 TradFi 交易分享挑战上线！
晒单瓜分 $30,000 奖池，新人首帖 100% 中奖！
📌 参与方式：
带 #TradFi交易分享挑战 发帖，满足以下任一即可：
🔹 带今日指定 TradFi 币种标签发帖交流。
🔹 完成单笔大于 $10U 的 TradFi CFD 交易并挂载交易卡片。
🏷️ 今日指定标签：USDJPY、AUDUSD、US30、TSLA、JPN225
🎁 宠粉福利：
1️⃣ 卡片分享奖： 抽 50 人，每人送 $100 仓位体验券！
2️⃣ 发帖榜单奖： 冲排行榜，赢 WCTC 限定 T 恤！
3️⃣ 新粉见面礼： 新人首次发帖，100% 领 $10 体验券！
详情：https://www.gate.com/announcements/article/51221
摩根士丹利大中华区半导体研究于2026年5月8日发布了一份新报告。
-> 机架和服务器仍然是最大的资本支出（capex）驱动因素，约占1GW数据中心总成本的58–63%（不包括HBM和CPU）。
-> 对于定制ASIC而言，机架和服务器的占比要低得多，约为总成本的39%。这也是超大规模云服务提供商持续推动内部硅片的最清晰原因。
-> 摩根士丹利估算，1GW NVIDIA GPU数据中心的成本为：
Vera Rubin：~$NVDA
GB300：~$41B
B200：~$33B
H100：~$24B
相比定制ASIC：
TPUv7：~$23B
Trainium3：~$27B
-> 当前一代NVIDIA系统的每GW成本可能比定制ASIC高出多达~2倍。以这一估算来看，Vera Rubin几乎是Trainium3的3倍。
-> 这并不意味着定制ASIC会自动更优。NVIDIA依然拥有最强的全栈生态系统、软件、网络、可用性和模型支持。但这也说明了为什么超大规模云服务提供商在扩大ASIC规模方面具有巨大的经济激励。
-> 第二大成本类别是网络，约占大多数系统的19–23%。
-> Power shell、冷却、DRAM、HBM和CPU都很重要，但相较于机架、服务器和网络而言，它们是次要因素。
-> 这对机架规模基础设施供应商同样利好，因为AI资本支出（capex）的争论不只是GPU vs ASIC，还包括机架、网络、供电、冷却以及整个数据中心的建设。
-> 超大规模云服务提供商的选择将分化：一方面是为了最大性能和灵活性而采用的高端NVIDIA集群；另一方面是为了更低成本、并针对更优化的工作负载而采用的定制ASIC集群。
-> NVIDIA仍然占据AI基础设施资本支出的最富集部分，但定制ASIC正成为超大规模云服务提供商将用来降低长期依赖的成本压力机制。