萨姆·阿尔特曼的野心已超越模型本身，直指支撑AI运行的硅片、电力与机架。近几周，OpenAI 签署了一系列总规模达 26 吉瓦的交易，意图掌控从底层硬件到上层应用的全栈控制权。
据媒体报道，OpenAI 与博通合作开发 10 吉瓦定制 AI 加速器，承诺至少采购 AMD 6 吉瓦产品，并锁定英伟达多达 10 吉瓦的产能，后者还附带潜在 1000 亿美元的投资意向。这一体量相当于两个纽约市的用电量，彰显了 OpenAI 对算力基础设施的极致渴求。
硬件层面的权力博弈
在与博通的合作中，OpenAI 负责加速器设计，博通则承担制造及互连技术。该计划基于双方长达 18 个月的低调协作，旨在“从晶体管到用户查询”重构技术栈。部署工作将于 2026 年下半年启动，目标在 2029 年完成全面 rollout。阿尔特曼指出，定制硅片结合高带宽内存，能在大规模推理任务中显著降低成本，这是释放 AI 潜力的关键一步。
AMD 方面，OpenAI 同意购买价值 6 吉瓦的 Instinct GPU，首批 MI450 芯片将于明年交付。交易包含最多 1.6 亿股 AMD 股票认股权证，随产能上线逐步归属。AMD CEO 丽莎·苏称，这项多年期承诺旨在挑战英伟达的市场主导地位，预计将带来数百亿美元新增收入。
英伟达则锚定了短期前景。第一批吉瓦级容量将于 2026 年底在 Vera Rubin 平台上部署。作为 OpenAI 最紧密的云合作伙伴，微软已运行拥有超过 4600 套 GB300 系统的 AI 工厂。黄仁勋将此合作描绘为向超级智能演进的十年历程。
电力瓶颈与万亿赌注
然而，真正的制约在于电力与资金。仅 1 吉瓦算力的芯片成本就可能高达 350 亿美元，若扩展至 26 吉瓦，总投资额将逼近万亿美元。当前，电网压力、审批拖延及社区反对已成为数据中心建设的主要障碍。纽约州已叫停大型数据中心项目，爱尔兰、荷兰等国也限制了电网连接。
市场对此反应狂热但也伴随质疑。尽管英伟达数据中心收入爆炸式增长，但分析师指出，部分宣称的容量并未真正用于 AI 负载，数十亿美元资本支出仍滞留在仓库或未完工设施中。相比之下，埃隆·马斯克的 xAI 通过改造工厂和使用临时电源，在孟菲斯快速构建了 Colossus 集群，虽面临诉讼风险，但展示了速度优势。
OpenAI 选择了一条更为长远且复杂的垂直整合之路。通过将模型训练经验嵌入硬件设计，采用博通以太网而非专有互联架构，公司试图实现软件难以企及的效率提升。与此同时，SK 海力士等内存制造商加速生产 HBM4，OpenAI 凭借与三星、SK 海力士的合作获得优先访问权，并参与标价高达 5000 亿美元的 Stargate 等项目。
竞争格局重塑
微软也在推进自研 Maia 芯片，第二代 Maia 200 旨在提高推理效率并减少对英伟达的依赖。但在前沿训练领域，英伟达依然占据主导，AMD 和定制芯片则提供了多样性与成本优势。OpenAI 的分散下注策略，表明仅靠软件领导力已不足以维持竞争优势，硬件协同设计成为新的入场券。
投资者用真金白银投票：消息宣布后，博通股价飙升近 10%，英伟达市值维持高位，AMD 亦随之上涨。但怀疑声仍未消散：OpenAI 能否如期部署这些容量？电力供应能否跟上？万亿美元的数字究竟是可执行计划还是宏大愿景？
未来 12 个月将是关键验证期。随着首批 MI450 和 Vera Rubin 系统于 2026 年上线，以及博通机架的后续部署，OpenAI 若成功执行，将获得对基础设施命运的主导权；若延误加剧，竞争对手可能后来居上。无论如何，定制 AI 硬件时代已经到来，行业正从通用 GPU 转向针对特定模型优化的专用加速器。这场由 OpenAI、英伟达、博通、AMD 和微软主导的军备竞赛，不仅决定了 AI 的发展速度，更深刻影响着电网、社区乃至全球资本流向。