모건스탠리: 1GW AI 데이터센터 구축 Capex 구조 분석

💻 모건스탠리: 1GW AI 데이터센터 구축 Capex 구조 분석 : NVDA vs Big Tech Custom ASIC 비교 AI 데이터센터 비용 구조의 중심이 GPU 단품이 아니라 랙/서버 시스템 전체로 이동 중이라는 점 📌 NVDA 플랫폼의 높은 랙/서버 비용 비중 1GW 구축 시 NVDA 플랫폼의 Servers/Racks 비중은 약 58~63% 수준 HBM·CPU 제외 후에도 랙/서버 시스템이 전체 비용의 약 60% Custom ASIC은 서버/랙 비중이 약 39% 수준 📌 NVDA 세대별 1GW당 Capex 상승 H100: $23bn B200: $24bn GB300: $33bn Vera Rubin: $41bn 서버/랙 비용: H100 $13.9bn → Vera Rubin $24.8bn으로 증가 📌 Custom ASIC의 핵심 경쟁력은 비용 Google TPUv7 1GW당 Capex는 $27bn Amazon Trainium3 1GW당 Capex는 약 $15bn 📌 투자 관점 핵심 시사점 1. NVDA는 여전히 AI 인프라의 표준 CUDA 생태계 성능 우위 개발자 락인 통합 랙 시스템 경쟁력 2. 다만 NVDA 스택의 Capex 부담 확대가 구조적 고민 특히 추론 수요가 커질수록 중요한 변수는 단순 성능보다 단위 컴퓨팅당 비용 효율성 💻반도체 소부장💻[그로쓰리서치] https://t.me/growth_semi