OpenAI 的 300 亿美元豪赌：AI 基础设施竞赛的终极形态

这篇文章最有价值的信息是：OpenAI 在 2026 年预计亏损 140 亿美元的情况下，仍计划投资超 300 亿美元建设一座 3.2GW 的巨型数据中心。这个数字背后，是 AI 产业竞争从模型参数转向物理基础设施厚度的根本性转折。

一场“倒贴钱”的豪赌

先看数据。亏损 140 亿美元，意味着 OpenAI 2026 年的营收可能远不足以覆盖运营成本，尤其是算力支出。但项目“Camellia”的预算高达 300 亿美元，相当于三座核电站的发电量。这看似荒谬——一家还在赔钱的公司，凭什么烧钱建电站？

答案是：OpenAI 赌的是未来 5 年。如果 AGI 或超级智能在 2030 年前实现，算力就是胜负手。而 3.2GW 的算力密度，足以支撑比当前 GPT-4 大 1000 倍的模型训练。这个逻辑在硅谷并不新鲜：2010 年代的亚马逊、谷歌、Meta 都曾大规模亏损投资数据中心，但当时赌的是云计算和社交网络，如今赌的是通用人工智能。

短期看，OpenAI 的财务压力会急剧恶化。 300 亿美元的建设成本，加上每年数十亿美元的运营电费，将使其现金流进一步承压。但 OpenAI 的算力需求也在指数级增长——据估计，其单次训练 GPT-5 的算力成本可能超过 10 亿美元。如果自己不建，只能租用微软或谷歌的云服务，成本更高且受制于人。

长期看，这种“自建发电站”的策略将重塑行业格局。 一旦建成，OpenAI 将拥有全球最大的单一 AI 算力集群，不仅训练成本可降低 40% 以上，还能在推理环节实现毫秒级响应。相比之下，依赖租用算力的创业公司会被挤出竞争。

从模型参数到物理基建的竞争

过去两年，AI 竞赛的焦点是模型参数规模。GPT-3 的 1750 亿参数，GPT-4 的 1.8 万亿参数，再到传闻中的 100 万亿参数。但参数增长已接近物理极限——训练所需算力每 18 个月翻一倍，而硬件性能提升速度却在放缓。

于是，竞争转向了“物理基础设施”的厚度。这包括：

• 电力供应：一座 3.2GW 的数据中心需要持续不断的电力，相当于一个中型城市的用电量。OpenAI 在项目承诺中明确“居民电费不涨”，意味着它要承担全部基础建设成本，甚至可能自建发电站。
• 冷却系统：高密度算力集群的发热量惊人，传统风冷已无法满足，需要液冷甚至浸没式冷却。每平方英尺的冷却成本可达 2000 美元。
• 网络带宽：3.2GW 的算力意味着每秒需要处理 PB 级的数据传输，对光缆和交换机的要求极高。

[!example] 一个有趣的对比：特斯拉的超级工厂 Giga Texas 耗电约 0.5GW，而 OpenAI 这个数据中心是它的 6 倍。这意味着 OpenAI 很快会成为美国最大的工业用电户之一。

这种转向的背后逻辑是：模型架构的突破已经进入瓶颈期（Transformer 架构 2017 年提出，至今无本质创新），而算力规模的提升依然能带来可预测的模型能力增长。就像半导体的“摩尔定律”失效后，超大规模数据中心成为新的性能增长引擎。

三座核电站的隐喻

3.2GW 这个数字很微妙。它恰好是三座典型核电站的发电量。但 OpenAI

原文链接：https://www.tmtpost.com/8077871.html