Ipinataas ni OpenAI ang pagkakalat ng cloud hanggang $750B sa pamamagitan ng 2030: Lumalakas ang pagkakaroon ng armas sa infrastraktura ng AI

Ipinataas ni OpenAI ang pagkakalat ng cloud hanggang $750B sa pamamagitan ng 2030: Lumalakas ang pagkakaroon ng armas sa infrastraktura ng AI

2026/08/01 11:12:00
Kustom na Larawan
Ayon sa mga ulat, handa na si OpenAI para sa isa sa pinakamalaking pagpapalawak ng computing sa kasaysayan ng teknolohiya dahil sa tumataas na pangangailangan para sa artificial intelligence, na nagpupush sa kompanya na makakuha ng higit pang processor, cloud capacity, data centers at kuryente. Ang kanilang inaasahang gastusin sa compute ay maaaring umabot sa halos $750 bilyon hanggang 2030, habang ang Project Camellia at mga malalaking kasunduan sa Microsoft, Amazon Web Services, Oracle at CoreWeave ay nagtatayo ng isang diversipikadong network ng infrastruktura. Ang mga plano na ito ay nagpapakita ng tumataas na kahalagahan ng pisikal na kapasidad sa pakikidigma para sa pagbuo at pagpapalaganap ng advanced AI systems. Gayunpaman, marami pang ipinahayag na proyekto ay nasa ilalim pa ng pagkukumpuni, pagsasapalaran at pagpapahintulot mula sa regulahin, habang ang estimate na $750 bilyon ay hindi pa pormal na kinumpirma ni OpenAI. Ang kakayahan ng kompanya na i-convert ang infrastruktura na ito sa mapagkakatiwalaang serbisyo at mapanatiling kita ay magtutulong upang matukoy kung gagawin ng pagpapalawak na isang matatag na kompetitibong advantage o isang mahal at matagal na obligasyon. real-time AI and Big Data crypto market data ay maaaring ipakita kung paano isinasaad ng mas malawak na AI theme ang digital-asset markets, bagaman ang performance ng token ay hindi dapat ituring bilang sukat ng valuation o operating results ni OpenAI.
 

Bumababa ang inaasahang paggastus sa compute ng OpenAI hanggang $750 bilyon hanggang 2030

Bumaba ang inaasahang paggastos sa compute ng OpenAI sa halos $750 bilyon hanggang 2030, tumaas ng $150 bilyon mula sa dating pagsasabing $600 bilyon, ayon sa The Wall Street Journal. Ang 25% pagtaas ay nagpapakita ng pagdami ng pangangailangan para sa mga data center, AI processor, kuryente at cloud capacity habang papalawakin ng OpenAI ang ChatGPT, enterprise services at AI agents na makakapagtapos ng mas kumplikadong mga gawain. Gayunpaman, hindi pa pinatotohanan ng OpenAI ang bilang o ipinakita ang detalyadong pagkakahati. Ang pagsasabing ito ay maaaring kasama ang mga cloud contract, networking equipment, cooling systems at mga pagrerehistro ng kapasidad sa mahabang panahon, kaya dapat itong tingnan bilang inaasahang kumulatibong paggastos sa compute kaysa isang natapos na pagsisikap sa paggastos sa kapital.
 

  1. Ang proyeksyon ng $750 bilyon ay sumasakop sa ilang taon ng mga gastos sa pagcompute

Hindi ibig sabihin ng inihayag na amount na plano ng OpenAI na mag-spent ng $750 bilyon lamang sa taong 2030. Sa halip, ito ay kumakatawan sa inaasahang kabuuang paggastos sa computing capacity sa loob ng ilang taon bago ang 2030. Sinabi ni OpenAI President Greg Brockman na inaasahan ng kumpanya na mag-spent ng halos $50 bilyon sa computing power noong 2026, kumpara sa halos $30 milyon noong 2017. Ang malaking pagtaas na ito ay nagpapakita kung gaano kalake ang pagbabago sa gastos at sukat ng pag-unlad ng frontier AI. Maaaring ituro ang mga maagang machine-learning systems sa relatibong maliit na computing clusters, samantalang ang modernong reasoning, multimodal, at agentic models ay maaaring magrequire ng libo-libong espesyalisadong processor na nagtatrabaho nang sama-sama sa pamamagitan ng mga high-speed network. Pagkatapos matapos ang pag-train, kailangan pa ng karagdagang infrastructure upang subukan ang mga model, mapabuti ang kanilang kaligtasan, at magbigay ng mga tugon sa mga hundreds of millions ng user.
 
Maaaring may kinalaman ang malaking bahagi ng proyektadong gastos sa mga kontrata na nag-aalok ng kapasidad taon bago ito magiging available. Maaaring magrequire ang mga advanced na data center ng mahabang panahon sa pagpaplano dahil kailangan ng mga developer na securein ang lupa, mga koneksyon sa grid, mga pahintulot sa pagtatayo, mga sistema ng pagpapalamig, mga transformer, at malalaking dami ng AI chips. Kaya kailangan ng OpenAI na pumasok sa mahabang panahon na mga kasunduan ngayon upang siguraduhing available ang sapat na kapasidad sa huli ng dekada. Maaaring istrakturado ang mga kontrata sa mga yugto, kaya ang kompanya ay magbabayad habang natatapos ang infrastruktura, nadadala ang computing resources, o tumataas ang paggamit. Maaaring lumampas sa 2030 ang ilang obligasyon, habang maaaring magkakasabay ang iba sa mas malawak na Stargate infrastructure program ng OpenAI, kaya hindi angkop na idagdag ang bawat pampublikong inirereport na cloud at data-center na kasunduan bilang kung bawat isa ay nagpapakita ng hiwalay na gastos.
 

  1. Ang paglago ng ChatGPT at ang AI inference ay nagdudulot ng pangangailangan sa compute ng OpenAI

Ang pagtaas ng mga pangangailangan sa imprastruktura ng OpenAI ay dinudulot ng parehong pagtatrain at pag-infer. Ang pagtatrain ay nangangahulugan ng pagproseso ng napakalaking mga dataset upang pagbuo o pagpapabuti ng isang AI model, habang ang pag-infer ay nangyayari kada beses na ginagamit ng ChatGPT o iba pang aplikasyon ang model na iyon upang sagutin ang isang tanong, mag-generate ng imahe, mag-analyze ng impormasyon o kumpletuhin ang isang gawain. Bagaman ang pagtatrain ay nakakakuha ng atensyon dahil sa kanyang pinagsama-samang pangangailangan sa mga advanced na chip, ang pag-infer ay gumagawa ng tuloy-tuloy at potensyal na mas malaking gastos sa mahabang panahon. Bawat dagdag na user ng ChatGPT, enterprise deployment o developer application ay tumataas ang bilang ng model operations na tumatakbo sa buong imprastruktura ng OpenAI, lalo na kapag ang mga hiling ay kasama ang advanced na pag-iisip, pag-generate ng video, coding o multimodal na analisis.
 
Sinabi ng kumpanya noong Marso 2026 na may higit sa 900 milyon na weekly users ang ChatGPT, higit sa 50 milyon na subscriber, at isang mabilis na umuunlad na enterprise business. Ipinahayag din ng OpenAI na ang kanilang application programming interface ay nagproseso ng higit sa 15 bilyon na tokens bawat minuto. Lumaki ang kanilang available computing capacity mula sa halos 0.2 gigawatts noong 2023 patungo sa 0.6 gigawatts noong 2024 at halos 1.9 gigawatts noong 2025. Ipapakita ng paglalawak na ito na ang pagtaas sa gastusin ng OpenAI para sa compute ay malapit na ugnay sa aktwal na paggamit ng produkto, bagaman ang hinaharap na pangangailangan ay mahirap i-predict. Maaaring dagdagan pa ng AI agents ang pagkonsumo dahil ang isang single request ay maaaring mag-trigger sa maraming paghahanap, kalkulasyon, software interactions, at model calls bago matapos ang huling gawain.
 
Ang mga pangunahang drive sa mas mataas na proyeksyon ng paggastos sa compute ng OpenAI ay kasama ang:
  • Pagsasanay ng Frontier model: Ang mas kayang pag-iisip at mga sistema ng AI na multimodal ay nangangailangan ng malalaking cluster ng advanced na processor, memorya at networking equipment.
  • Pagsasabwag ng mga inference workload: Ang paglago sa ChatGPT, mga serbisyo ng enterprise AI at mga aplikasyon ng developer ay naglalikha ng patuloy na pangangailangan tuwing nagpapagawa ang isang modelo ng isang tugon.
  • Adopsyon ng AI-agent: Ang mga awtonomong sistema ay kayang isagawa ang maraming operasyon ng modelo para sa isang iisang hiling ng user, na maaaring magkonsumo ng mas malaking compute kaysa sa isang karaniwang interaksyon ng chatbot.
  • Mga pagpaparesba ng kakayahan sa matagalang panahon: Kailangan madalas i-secure ang mga kakaibang chip, mga koneksyon sa grid, at mga site ng data center taon bago sila handa para sa komersyal na paggamit.
  • Dibersipikasyon ng imprastruktura: Ang pagtatrabaho kasama ang maraming partner sa cloud, chip, at data-center ay maaaring mapabuti ang katatagan at mapabawasan ang pagkakasalalay sa isang tagapagbigay.
  • Kompetitibong presyon: Dapat makakuha ng sapat na kapasidad ang OpenAI habang pinapalawak ng Google, Anthropic, Meta, xAI at iba pang mga developer ang kanilang sariling mga network ng AI infrastructure.
 
Maaaring mabawasan ng mga pagpapabuti sa kahusayan ang gastos sa kompyutasyon ng mga indibidwal na gawain, ngunit hindi ito maaaring bawasan ang kabuuang hiling sa infrastraktura. Maaaring hikayatin ng mas mabilis at mas mura mga modelo ang mga negosyo at mga konsyumer na mas madalas gamitin ang AI, na gumagawa ng isang epekto ng pagbabalik kung saan patuloy na tumataas ang kabuuang pagkonsumo kahit na mas mababa ang gastos bawat hiling. Kaya kailangan ng OpenAI na maghanda para sa ilang posibleng senaryo ng hiling, at hindi lamang magpalagay na ang mga pagpapabuti sa chip o kahusayan ng modelo ay awtomatikong mababawasan ang kanilang mga pangangailangan sa infrastraktura.
 

  1. Ang pagtaas sa paggastos ay nagtataglay ng parehong estratehikong pagkakataon at pampinansyal na panganib

Ang pagpapalakas ng karagdagang computing capacity ay maaaring magbigay kay OpenAI ng ilang estratehikong kalamangan. Ang mas malaking pagkakataon sa mga processor at data center ay maaaring magbigay-daan sa kompanya na mas mabilis na itrain ang mga bagong model, mapabawasan ang mga limitasyon sa kapasidad sa panahon ng mataas na demand, at suportahan ang mga espesyalisadong produkto para sa coding, scientific research, video generation, at enterprise automation. Ang pagdiversify ng infrastructure ay maaari ring mapalakas ang posisyon ng OpenAI sa negosasyon sa pamamagitan ng pag-iwas sa sobrang pagkakasalalay sa isang tanging cloud provider o chip supplier. Sa isang industriya kung saan ang pagkakaroon ng elektisidad at advanced processors ay maaaring matukoy kung gaano kalakas ang pag-unlad at pagpapalabas ng mga bagong AI produkto ng isang kompanya, ang mga pangmatagalang kasunduan sa kapasidad ay maaaring magtrabaho bilang parehong operasyonal na pangangailangan at kompetitibong depensa.
 
Gayunpaman, ang paggastos ng higit sa infrastructure ay hindi awtomatikong jamamit ang mas magandang AI models, mas malakas na paglago ng kita o mas mataas na margin ng kita. Dapat siguraduhin ng OpenAI na ang kapasidad na itinatabi ay ginagamit nang epektibo at na ang pangangailangan ng customer ay nagdadala ng sapat na kita upang takpan ang mga pangmatagalang obligasyon sa computing. Maaaring harapin ng kumpanya ang presyur sa pondo kung ang pagtanggap ng enterprise ay magpapabagal, ang mga konsyumer ay tumutol sa mas mataas na presyo ng subscription, ang mga kalaban ay nag-aalok ng katulad na models sa mas mababang gastos o ang mas bagong processor ay gagawing hindi masyadong ekonomiko ang umiiral na infrastructure. Ang pagpapabuti ng model ay maaari ring magdepende sa mga salik na higit pa sa sukat ng hardware, kabilang ang mga paraan ng pagtuturo, kalidad ng data, pagpapabuti ng software, mga sistema ng kaligtasan at mga pagbubukas sa pananaliksik. Ang simpleng pagdaragdag ng higit pang chip ay maaaring magdulot ng pagbabawas sa pagpapabuti kung ang mga iba pang larangan ay hindi lumalago sa parehong bilis.
 
Dapat tingnan ang inihayag na $750 bilyon na proyeksyon ng infrastraktura ng OpenAI bilang isang palatandaan ng potensyal na sukat ng mga hangarin ng kumpanya kaysa isang garantisadong huling gastos. Ang pinakamahalagang tanong ay hindi kung kaya ng OpenAI na i-reserve ang malalaking dami ng computing capacity, kundi kung kaya nito na i-deploy ang capacity na iyon nang paulit-ulit, panatilihin ang malakas na paggamit at i-convert ito sa patuloy na subscription, enterprise at API revenue. Kailangan ng mga investor at mga obserbador ng industriya na suriin ang taunang compute spending, operational capacity, inference costs, revenue growth at contract structure ng OpenAI upang matukoy kung ang pagpapalawak ng infrastraktura nito ay nagpapalakas sa negosyo o naglilikha ng obligasyon na maaaring maging mahirap suportahan.
 

Paano nila ipinapalakas ng Project Camellia at ang mga malalaking cloud deal ang arms race sa AI infrastructure

Ang estratehiya ng infrastruktura ng OpenAI ay lumalabas sa mga tradisyonal na kasunduan sa pag-renta ng cloud patungo sa mas malawak na network ng mga dedikadong data center, mga pangmatagalang kontrata sa kuryente, mga espesyalisadong ugnayan sa chip, at kapasidad na ibinibigay ng ilang kumpetitibong teknolohiya na kumpanya. Sa sentro ng pagpapalawak na ito ay ang Project Camellia, isang proyektong nagmamay-ari ng 3.2-gigawatt na AI data center sa Georgia. Ang proyekto ay binubuo kasama ang mga malalaking kasunduan na kasali ang Microsoft Azure, Amazon Web Services, Oracle, CoreWeave at iba pang mga provider ng infrastruktura. Kasama sa mga kasunduang ito ang pagpapakita kung paano ang kompetisyon sa artificial intelligence ay lalong tinutukoy ng pagkakaroon ng access sa pisikal na infrastruktura kaysa sa pagganap ng modelo lamang.
 

Ang Project Camellia ay maaaring maging isa sa pinakamalalaking pag-unlad ng data-center ng OpenAI

Ang Project Camellia ay isang proyektong nagmamay-ari ng isang AI computing campus sa Effingham County, Georgia, na layuning magbigay ng matagalang kapasidad sa data center para sa OpenAI. Maaaring makatanggap ang pag-unlad ng hanggang 3.2 gigawatts ng kuryente mula sa Georgia Power, na ipapadala sa mga yugto mula 2028 hanggang 2032 habang natatapos ang mga substation, mga koneksyon sa transmission, mga sistema ng pagpapalamig, mga kagamitan sa networking, at mga pasilidad ng processor. Ibinahagi ng Wall Street Journal na maaaring takpan ng campus ang halos 1,400 acres at kasama ang unang pagsisigla ng OpenAI na halos $20 bilyon, bagaman hindi opisyal na inilabas ng OpenAI ang mga numero na iyon. Ibinahagi rin ng Reuters na nakakamit ng OpenAI at Georgia Power ang isang 25-taong kasunduan sa pagbibigay ng kuryente na maaaring payagan ang facility na bawasan ang pagkonsumo o ibalik ang hanggang 1,000 megawatts ng kapasidad sa grid sa panahon ng hindi karaniwang mataas na pangangailangan. Sinasabi ng OpenAI na tutugunan nito ang mga gastos sa infrastruktura at serbisyo ng kuryente ng proyekto, habang disenyo ng Georgia ang mga regulasyon upang pigilan ang paglipat ng mga gastos na ito sa mga umiiral na customer.
 
Sinabi ng OpenAI na gagamitin ng Project Camellia ang isang closed-loop cooling system na may layuning limitahan ang patuloy na paggamit ng tubig at maglikha ng hindi bababa sa 400 permanenteng trabaho sa loob ng site, maaaring lumampas sa 1,000 kung makamit ng campus ang buong kapasidad. Ang kumpanya ay nagpropose din ng $80 milyong community fund, mga edukasyon na programa, at hanggang $71 milyon sa Codex credits para sa mga karapat-dapat na estudyante sa Georgia. Ang mga pangako na ito ay maaaring suportahan ang lokal na pagtanggap, bagaman ang epekto ng proyekto sa paggamit ng lupa, infrastruktura ng kuryente, at rehiyonal na pag-unlad ay mananatiling mahalagang pag-aaralan. Ang Project Camellia ay kasalukuyang plano pa lamang at hindi pa operasyonal, at ang huling mga pahintulot, pagsasapalaran, mga kasosyo sa pagtatayo, mga operator ng campus, at mga jadwal ng pag-unlad ay hindi pa pinaliwanag sa publiko. Ang mga pagpapalawak ng grid, availability ng kagamitan, at mga pagsusuri sa regulasyon ay maaaring magdulot ng pagkakalat sa mga pahinga o magbago sa huling kapasidad, kaya mahalaga ang pagkakaiba sa proyektado, kontratado, at operasyonal na infrastruktura.
 

Binubuo ng OpenAI ang isang dinamikong network ng multi-cloud infrastructure

Nag-aalok ang OpenAI ng computing capacity mula sa ilang mga provider替代 na buong pagkakabase sa Microsoft Azure. Nananatiling sentral na kasosyo ang Microsoft at nananatili sa mahalagang teknolohiya at mga karapatan sa produkto, ngunit tinanggal ng binagong kasunduan ang mas malawak na karapatan nito sa unang pagkakataon. Ibinibigay nito sa OpenAI ang mas malaking kalayaan upang mag-negosyo sa iba pang mga supplier kapag hindi kayang magbigay ng kinakailangang kapasidad, presyo o jadwal ng pag-deploy ang Azure.
 
Ang mga pangunahing ipinahayag na pampubliko na kasunduan sa cloud at imprastruktura ng OpenAI ay kasama ang:
  • Microsoft Azure: Binigyan ng kontrata ang OpenAI na bumili ng karagdagang $250 bilyon sa mga serbisyo ng Azure sa ilalim ng binagong kasunduan.
  • Amazon Web Services: Isang bagong kasunduan na may halagang hanggang $100 bilyon sa loob ng walong taon ay nagpalawak sa isang dating kasunduan na $38 bilyon, na nagdudulot ng posibleng kabuuang halaga na humigit-kumulang sa $138 bilyon. Kasama rito ang halos dalawang gigawatt ng AWS Trainium capacity.
  • Oracle Cloud Infrastructure: Sabi ng OpenAI na ang pagkakasundo ay hihigit sa $300 bilyon sa loob ng limang taon at maaaring magbigay ng hanggang 4.5 gigawatt sa iba’t ibang site ng data center.
  • CoreWeave: Ang mga patuloy na pagpapalawak ay nagdulot ng pagtaas sa potensyal na halaga ng mga kasunduan nito sa OpenAI hanggang sa halos $22.4 bilyon, na nagbibigay ng espesyalisadong GPU cloud capacity.
  • Google Cloud: Idinagdag ng OpenAI ang Google Cloud sa kanilang portfolio ng infrastruktura, bagaman hindi ipinahayag ang katumbas na halaga ng kontrata.
 
Hindi dapat isama ang mga ito sa isang kabuuang halaga dahil ang mga kontrata ay nakakapaloob sa iba’t ibang panahon, ang ilan ay tumatagal pa sa labas ng 2030 at ang ilan ay nagpapakita ng pinakamataas na obligasyon kaysa sa garantisadong pagbabayad. Maaaring magkakasalungat din ang ilang kasunduan sa mga pag-unlad ng Stargate o sa mga hiwalay na pag-aayos ng processor at data-center. Ang kanilang binigay na halaga ay hindi nagpapakita kung gaano karaming kapasidad ang operational, nasa pagtatayo, o nakadepende sa mga pagpipilian para sa hinaharap na pagpapalawak.
 
Ang multi-cloud strategy ay nagbibigay din sa OpenAI ng pagkakataon na makapag-access sa iba’t ibang arkitektura ng processor. Ang AWS ay nag-aalok ng mga chip na Trainium, ang mga facility ng Microsoft at Oracle ay maaaring mag-deploy ng Nvidia o alternatibong sistema, at ang CoreWeave ay espesyalista sa high-density GPU infrastructure. Gumagawa din ang OpenAI kasama ang AMD, Broadcom, at Cerebras, na maaaring mapabuti ang flexibility sa supply habang gumagawa ng karagdagang engineering complexity. Ang liham ng intensyon nito sa Nvidia ay kumakalat sa hindi bababa sa 10 gigawatts ng mga sistema, na maaaring mag-invest ang Nvidia hanggang $100 bilyon habang inilalapat ang kapasidad. Dahil ito ay nananatiling liham ng intensyon, ang final na istruktura at halaga ng investimento ay hindi garantisado.
 

Stargate at Rival Investments ay Palawakin ang Pandaigdigang Kompetisyon sa AI Infrastructure

Noong Enero 2025, ang OpenAI at SoftBank ay ipinakilala ang Stargate na may plano na mag-invest ng hanggang $500 bilyon sa loob ng apat na taon sa U.S. AI infrastructure, na nagsisimula sa $100 bilyon at may layunin na humigit-kumulang 10 gigawatts ng kapasidad. Ang Oracle at MGX ay sumali bilang equity partners, habang ang Microsoft, Nvidia at Arm ay tinukoy bilang technology participants. Sinabi ng OpenAI noong Abril 2026 na ang kanilang plano at naka-secure na U.S. portfolio ay lumampas na sa orihinal na layunin, bagaman ang ilang site ay nasa design, permitting o construction pa lamang, at ang plano ng kapasidad ay hindi dapat kalituin sa operational na data centers. Hindi rin linaw ng kumpanya kung kasama sa Stargate ang Project Camellia. Samantala, inaasahan na ang Alphabet, Amazon, Meta at Microsoft ay magmumula ng higit sa $700 bilyon noong 2026, marami sa kanilang gastos para sa AI-related infrastructure, bagaman ang taunang estima ay hindi diretso na ikukumpara sa mga kontrata ng OpenAI. Ang Anthropic ay patuloy na lumalawak sa pamamagitan ng AWS Trainium at isang pagkakasundo sa AMD na maaaring magdala ng dalawang gigawatts mula 2027, habang ang Google, Meta at xAI ay patuloy na nagpapaunlad ng mas malalaking computing clusters.
 
Ang arms race sa AI infrastructure ay nagpapalalim sa ilang mga larangan:
  • Paggawa ng enerhiya: Ang mga kumpanya ay nagpapakasal sa mahabang panahon na mga kasunduan sa kuryente at tinutukoy ang mga programa para sa fleksibleng paggamit ng load upang matiyak ang mapagkakatiwalaang pag-access sa grid.
  • Mga custom AI chip: Ang mga cloud provider ay nagpapaunlad ng mga alternatibo sa Nvidia GPUs upang bawasan ang gastos at makamit ang mas malaking kontrol sa suplay ng hardware.
  • Pagsasapital sa data center: Ang mga kumpanya sa teknolohiya, mga utility, mga tagagawa ng chip, mga naglalayong magbigay ng pautang at mga pondo sa infrastruktura ay nagbabahagi ng gastos sa mga pag-unlad na halaga ng maraming bilyon dolyar.
  • Multi-cloud capacity: Ang mga developer ng AI ay nagpapamahagi ng workload sa iba’t ibang provider upang mapabuti ang katatagan at makakuha ng iba’t ibang sistema ng processor.
  • Lupa at pagsasagawa ng pahintulot: Ang mga lokasyon na may available na kuryente, tubig, fiber connections at pagsang-ayon ng komunidad ay nagsisiging mahalaga sa estratehiya.
 
Ipapakita ng mga pag-uusap ni Project Camellia, Stargate at OpenAI sa cloud na ang kompetisyon sa AI ay tumataas sa buong hanay ng imprastruktura, mula sa kuryente at pagbuo ng data center hanggang sa mga processor, networking at cloud software. Maaaring makakuha ng kahihintay si OpenAI kung maaari niyang i-on ang kapasidad na ito nang epektibo, ngunit ang resulta ay magiging batay sa pagsasapital, mga pahintulot mula sa regulahin, pag-unlad ng pagbuo at pagpapatupad ng mga kasosyo. Habang hinahabol ng mga kalaban ang parehong mga estratehiya, maaaring magiging magkasing-importansya ang mapagkakatiwalaang enerhiya at operasyonal na data centers sa mga modelo ng AI na tumatakbo sa loob nito.
 

Kongklusyon

Ang mga nareport na plano para sa imprastruktura ng OpenAI ay nagpapakita kung gaano kalakas ang pag-unlad ng industriya ng AI patungo sa isang kapital-intensibong kompetisyon para sa mga chip, kuryente, mga lokasyon ng data center at kapasidad ng cloud. Ang Project Camellia at ang mga pakikipag-ugnayan ng kumpanya sa mga pangunahing teknolohiyang provider ay maaaring bigyan ang OpenAI ng sukat at fleksibilidad na kailangan upang suportahan ang mga hinaharap na produkto ng AI, ngunit ang mga anunsyadong halaga ng kontrata at plano na gigawatt ay hindi nagjamin na matatapos o ganap na gamitin ang bawat pasilidad. Ang tagumpay sa mahabang panahon ay magiging batay sa pag-unlad ng pagkakabuo, availability ng grid, efficiency ng hardware, pangangailangan ng customer at ang kakayahan ng OpenAI na magkaroon ng sapat na kita mula sa kapasidad na kinuha nito. Ang parehong tema ng investimento ay maaari ring mag-impluwensya sa mga proyekto ng AI at blockchain na umuunlad sa mga sektor ng imprastruktura, data at seguridad, bagaman ang mga proyektong ito ay hiwalay sa OpenAI. Habang bilisang magkakaroon ng sariling investimento ang mga kalaban, malamang na mananatiling isang pangunahing puwersa ang labanan para sa imprastruktura ng AI sa mga industriya ng teknolohiya, semiconductor, cloud-computing at enerhiya hanggang sa dulo ng dekada.
 

Makilahok sa KuCoin 9th Anniversary Trading Campaign

Ipinagdiriwang ng KuCoin ang kanyang 9th anniversary sa pamamagitan ng isang espesyal na kampanya sa platform na puno ng eksklusibong reward, trading activities, at limitadong panahon na alok. Huwag kalimutan ang pagkakataon na makilahok at mag-enjoy ng mga benepisyo habang ipinagdiriwang ng exchange ang siyam na taon ng paglago at inobasyon. Bisitahin ang opisyal na pahina ng kampanya ngayon:
Makilahok sa KuCoin 9th Anniversary Trading Campaign
Kustom na Larawan
 

Madalit na Tanong

Ano ang pagkakaiba sa pagkakalagay ng pagsasagawa at kapital na gastos?

Ang pagkalkula sa gastos ay maaaring kasama ang cloud services, processor, networking, kuryente at iba pang mga mapagkukunan na kailangan para sa pag-train at pagpapatakbo ng AI models. Ang capital expenditure ay karaniwang tumutukoy sa perang inilalagay sa mga ari-arian na may-ari ng isang kumpanya, tulad ng mga server o mga gusali ng data-center. Maaaring bumili ang OpenAI ng cloud capacity mula sa mga facility na may-ari ng kanilang mga kasosyo, kaya ang ilang gastos sa infrastraktura ay maaaring makita bilang service expenses kesa sa direkta na capital investment.

Paano matutukoy ng mga investor kung gumagana ba ang estratehiya ng infrastruktura ng OpenAI?

Ang mga mahahalagang indikador ay ang mga rate ng paggamit ng processor, mga gastos sa pagpapatakbo, kumpiyansa sa serbisyo, kita bawat yunit ng ipinapalabas na kapasidad at porsyento ng kontratadong infrastruktura na naging operasyonal. Maaari rin ng mga investor na subaybayan ang pagpapanatili ng enterprise customer, paglago ng API at gross margins. Ang pagbaba ng gastos kasama ang pagtaas ng paggamit at paulit-ulit na kita ay magpapakita na ang pagpapalawak ay gumagawa ng halaga, habang ang patuloy na hindi ginagamit na kapasidad ay maaaring magdulot ng presyur sa OpenAI at mga kasamahan nito sa infrastruktura.

Ano ang ibig sabihin ng kapasidad na gigawatt para sa isang AI data center?

Ang gigawatt ay sukat ng elektrikal na kapangyarihan, hindi ng computing performance ng isang AI system. Maaaring magbigay ng iba’t ibang resulta ang dalawang facility na gumagamit ng parehong amount ng kuryente depende sa kanilang processor, cooling system, networking design at software efficiency. Ang kapasidad sa gigawatt ay kapaki-pakinabang para maunawaan ang sukat at mga pangangailangan sa grid ng isang proyekto, ngunit hindi ito nagpapakita kung gaano kalakas ang pag-train ng isang model o ilang user ang maaaring suportahan.

Maaari ba ang mga alternatibong AI chip na bawasan ang pagkakasalalay ni OpenAI sa Nvidia?

Maaaring bigyan ng mas malaking kalayaan at mapabawasan ang pagkakasalalay sa isang kumpanya ng hardware ang OpenAI ng mga processor mula sa AMD, AWS, Broadcom, Cerebras at iba pang mga supplier. Gayunpaman, ang paglipat ng mga workload sa pagitan ng mga platform ng chip ay nangangailangan ng pag-unlad, pagsubok at pag-optimize ng software. Nakikinabang din si Nvidia mula sa kanyang malawakang ginagamit na CUDA ecosystem. Kaya maaaring gamitin ng OpenAI ang isang mixed hardware strategy, pumipili ng iba’t ibang processor batay sa gastos, availability, at performance ng workload.
 
 

Paalala

Ang impormasyon na ibinibigay sa pahinang ito ay maaaring mula sa mga third-party na pinagkukunan at hindi kailangang kumakatawan sa mga pananaw o opinyon ng KuCoin. Ang nilalaman na ito ay inilalayon lamang para sa pangkalahatang impormasyon at hindi dapat itingin bilang financial, investment, o propesyonal na payo. Hindi nagagarantiya ng KuCoin ang kawastuhan, kawalan ng kawalan, o kumpiyansa ng impormasyon, at hindi ito responsable sa anumang error, pagkakalimutan, o resulta na nagmumula sa paggamit nito. Ang pag-invest sa mga digital asset ay may nakapaloob na panganib. Mangyaring mabuting ihambing ang inyong kakayahan sa panganib at pananalapi bago gumawa ng anumang desisyon sa pag-invest. Para sa karagdagang detalye, mangyaring bisitahin ang Mga Tuntunin ng Paggamit at Pagpapahayag ng Panganib ng KuCoin.

Disclaimer: AI technology ang ginamit sa pag-translate ng page na ito para sa convenience mo. Para sa pinaka-accurate na impormasyon, mag-refer sa original na English version.