OpenAI 將雲端支出提高至 7500 億美元，預計於 2030 年達成：AI 基礎設施軍備競賽升溫
2026/08/01 11:12:00
據報導，由於對人工智慧的需求不斷上升，OpenAI 正準備進行科技史上最大規模的計算能力擴張之一，以確保獲得更多處理器、雲端容量、資料中心和電力。其預計的計算支出到 2030 年可能達到約 $750 億美元，而「Project Camellia」以及與微軟、亞馬遜雲端服務、甲骨文和 CoreWeave 的重大協議，正在構建一個多元化的基礎設施網絡。這些計劃反映了在開發和分發先進人工智慧系統的競爭中，實體容量日趨重要。然而，許多已宣布的項目仍需經過建設、融資和監管批准，而 $750 億美元的估計數字尚未經 OpenAI 公開確認。該公司能否將此基礎設施轉化為可靠的服務和可持續的收入，將決定這項擴張最終成為持久的競爭優勢，還是一項昂貴的長期負擔。real-time AI and Big Data crypto market data 可顯示更廣泛的人工智慧主題如何反映在 digital-asset markets 中，但代幣表現不應被視為 OpenAI 的估值或營運成果的衡量標準。
據報導，OpenAI 計劃的計算資源支出將於 2030 年前增至 7500 億美元
據《華爾街日報》報導，OpenAI 預計到 2030 年的計算支出已上調至約 7500 億美元，較先前 6000 億美元的估計增加了 1500 億美元。25% 的增幅反映了隨著 OpenAI 擴展 ChatGPT、企業服務以及能夠執行更複雜任務的 AI 代理，對資料中心、AI 處理器、電力和雲端容量的需求不斷上升。然而，OpenAI 尚未公開確認該數字或披露詳細的分解資料。此估計可能包括雲端合約、網路設備、冷卻系統和長期容量預訂，因此應視為預計的累計計算支出，而非最終確定的資本支出承諾。
-
7500 億美元的預測涵蓋了數年的計算成本
所報告的數量並不意味著 OpenAI 計劃在 2030 年單一年度內花費 7500 億美元。相反，它代表了截至 2030 年前數年內在計算能力上的預期累計支出。OpenAI 總裁 Greg Brockman 表示，公司預計 2026 年在計算能力上的支出將達到約 50 億美元，而 2017 年則約為 3000 萬美元。這一顯著增長反映了前沿 AI 開發的成本與規模如何迅速變化。早期的機器學習系統僅需相對較小的計算集群即可訓練，而現代的推理、多模態和代理模型則可能需要數千個專用處理器透過高速網絡協同運作。訓練完成後，還需要額外的基礎設施來測試模型、提升其安全性，並向數億用戶提供回應。
預計支出的很大一部分也可能與提前數年預訂容量的合約有關。先進的數據中心需要漫長的規劃期，因為開發商必須確保土地、電網連接、施工許可、冷卻系統、變壓器以及大量 AI 芯片的取得。因此，OpenAI 可能需要現在就簽訂長期協議，以確保未來十年內有足夠的容量可用。這些合約可能分階段進行，意味著公司會在基礎設施完成、計算資源交付或使用量增加時支付費用。一些承諾可能延續至 2030 年之後，而其他則可能與 OpenAI 更廣泛的 Stargate 基礎設施計劃重疊，因此不應將所有公開報告的雲端和數據中心合約簡單加總，視為各自代表獨立支出。
-
ChatGPT 的成長和 AI 推理正在推動 OpenAI 的運算需求
OpenAI 不斷上升的基礎設施需求由模型訓練和推論共同推動。訓練涉及處理龐大的數據集以開發或改進 AI 模型，而推論則發生在 ChatGPT 或其他應用程式使用該模型回答問題、生成圖像、分析資訊或完成任務時。雖然訓練因對先進晶片的集中需求而受到關注，但推論會產生持續且潛在更大的長期成本。每增加一名 ChatGPT 用戶、企業部署或開發者應用，都會增加運行在 OpenAI 基礎設施上的模型操作次數，特別是在請求涉及高級推理、影片生成、編碼或多模態分析時。
公司在2026年3月表示，ChatGPT的每周用戶超過9億，訂閱用戶超過5,000萬，企業業務快速成長。OpenAI還報告稱，其應用程式介面每分鐘處理超過150億個token。其可用計算能力從2023年的約0.2吉瓦增加至2024年的0.6吉瓦，並在2025年達到約1.9吉瓦。此擴張表明，OpenAI的計算支出上升與實際產品使用情況密切相關，儘管未來需求仍難以預測。AI代理可能會進一步增加消耗，因為單一請求可能在完成最終任務前觸發多次搜尋、計算、軟體互動和模型調用。
推動 OpenAI 計算支出預測提高的主要因素包括：
-
前沿模型訓練：更強大的推理和多模態人工智能系統需要大型的先進處理器、記憶體和網絡設備集群。
-
擴展推理工作負載：ChatGPT、企業級 AI 服務和開發者應用程式的增長，持續產生模型生成回應時的需求。
-
AI 代理的採用：自主系統可為單一用戶請求執行多項模型操作，可能消耗遠多於標準聊天機器人互動的計算資源。
-
長期容量預訂：稀缺晶片、電網連接和數據中心場地通常需要在商業使用前數年即予以確保。
-
基礎設施多元化：與多家雲端、晶片和資料中心合作夥伴合作，可提升韌性並減少對單一供應商的依賴。
-
競爭壓力：OpenAI 必須獲取足夠的容量，而 Google、Anthropic、Meta、xAI 及其他開發商正在擴展其自身的 AI 基礎設施網絡。
效率的提升可能降低個別任務的計算成本，但未必能降低整體基礎設施的需求。更快且更便宜的模型可能促使企業和消費者更頻繁地使用人工智慧，從而產生反彈效應，即使每項請求的成本降低，整體消耗仍持續上升。因此，OpenAI 必須為多種可能的需求情境做好準備，而非假設晶片或模型效率的提升會自動減少其基礎設施需求。
-
支出增加帶來了戰略機遇與財務風險
獲取額外的計算能力可能為 OpenAI 帶來多項戰略優勢。更廣泛地訪問處理器和數據中心，可能使公司能夠更快地訓練新模型，在需求高峰期減輕容量限制，並支持編程、科學研究、視頻生成和企業自動化等專用產品。基礎設施的多元化還能通過避免過度依賴單一雲服務提供商或晶片供應商，來強化 OpenAI 的談判地位。在電力和先進處理器的獲取能力決定公司開發和分發新 AI 產品速度的行業中，長期容量協議可能既是運營的必要條件，也是競爭防禦手段。
然而，增加基礎設施支出並不能自動確保更優秀的 AI 模型、更強的收入增長或更高的利潤率。OpenAI 必須確保其預留的容量能高效使用，且客戶需求能產生足夠的收入以覆蓋長期計算義務。如果企業採用速度放緩、消費者抗拒更高的訂閱價格、競爭對手以更低的成本提供類似模型，或新型處理器使現有基礎設施變得較不經濟，公司可能面臨財務壓力。模型的改進也可能取決於硬體規模以外的因素，包括訓練方法、數據質量、軟件優化、安全系統和研究突破。如果這些其他領域未能以相同速度進步，單純增加晶片數量可能只會帶來遞減的改善。
因此，據報導的 7500 億美元 OpenAI 基礎設施預測，應被視為該公司雄心潛力的指標，而非確定的最終支出。最重要的問題並非 OpenAI 是否能預留龐大的計算能力，而是它能否逐步部署這些能力、保持高利用率，並將其轉化為可持續的訂閱、企業和 API 收入。投資者和行業觀察家需要監控 OpenAI 的年度計算支出、運營能力、推理成本、收入增長和合約結構，以判斷其基礎設施擴張是強化了業務，還是創造了可能難以支撐的義務。
項目 Camellia 與大型雲端合作如何加劇 AI 基礎設施的軍備競賽
OpenAI 的基礎設施策略正從傳統的雲端租賃協議，轉向更廣泛的專用資料中心網絡、長期電力合約、專業晶片合作夥伴關係，以及由多家競爭科技公司提供的容量。這項擴張的核心是位於喬治亞州的擬議項目 Camellia，一個 3.2 吉瓦的 AI 資料中心開發項目。該項目正與微軟 Azure、亞馬遜 Web 服務、甲骨文、CoreWeave 及其他基礎設施供應商的重大協議同步推進。這些安排共同表明，人工智慧領域的競爭正日益由對實體基礎設施的獲取能力決定，而非僅僅取決於模型性能。
Project Camellia 有可能成為 OpenAI 最大的資料中心開發項目之一
Project Camellia 是擬建於喬治亞州埃芬漢縣的一座人工智慧計算園區，旨在為 OpenAI 提供長期的資料中心容量。該開發項目可從喬治亞電力公司獲得高達 3.2 吉瓦的電力，並於 2028 年至 2032 年間分階段供電，隨著變電站、輸電連接、冷卻系統、網路設備和處理器設施的完成而逐步供應。《華爾街日報》報導稱，該園區面積可能達約 1,400 英畝，OpenAI 初期承諾投資約 200 億美元，但 OpenAI 尚未正式披露這些數字。路透社亦報導，OpenAI 與喬治亞電力公司已達成為期 25 年的電力供應協議，該協議允許設施在需求異常高時減少用電，或向電網回饋高達 1,000 兆瓦的容量。OpenAI 表示將承擔項目的基礎設施和電力服務費用，而喬治亞州的法規旨在防止這些費用轉嫁給現有用戶。
OpenAI 表示，Project Camellia 將採用閉環冷卻系統，以限制持續的用水量，並最初創造至少 400 個永久性現場工作崗位，若校園達到滿負荷，數量可能超過 1,000 個。該公司還提議設立 8,000 萬美元的社區基金、教育計劃，以及為符合資格的喬治亞州學生提供高達 7,100 萬美元的 Codex 優惠額。這些承諾可能有助於獲得當地的接納，但項目對土地使用、電力基礎設施和區域發展的影響仍將是重要的考量因素。Project Camellia 目前仍處於規劃階段，最終的許可證、融資、建設合作夥伴、校園運營商和開發時間表尚未公開確認。電網升級、設備可用性及監管審查可能延遲各個階段或改變最終容量，因此區分提案中、已簽約和已運營的基礎設施至關重要。
OpenAI 正在建設多元化的多雲基礎設施網絡
OpenAI 正從多個供應商處確保計算能力，而非完全依賴 Microsoft Azure。Microsoft 仍是核心合作夥伴，並保留重要的技術與產品權利，但修訂後的協議取消了其廣泛的優先購買權。這使 OpenAI 在 Azure 無法提供所需容量、定價或部署時間表時，能更自由地與其他供應商進行談判。
OpenAI 的主要公開披露的雲端與基礎設施協議包括：
-
Microsoft Azure：OpenAI 根據修訂後的合作協議，承諾購買額外 2500 億美元的 Azure 服務。
-
Amazon Web Services：一項為期八年、價值高達 $100 億的新協議，擴展了先前 $38 億的協議，使潛在總價值約達 $138 億。該協議包括約兩吉瓦的 AWS Trainium 容量。
-
Oracle Cloud Infrastructure：OpenAI 表示，這項合作在五年內的價值超過 $300 億美元，並可能在多個數據中心地點提供高達 4.5 吉瓦的電力。
-
CoreWeave：持續擴張使其與 OpenAI 的協議潛在價值增至約 $22.4 億美元，提供專用 GPU 雲端容量。
-
Google Cloud：OpenAI 已將 Google Cloud 加入其基礎設施組合，但尚未披露可比的合約價值。
這些數字不應合併為一個總計，因為合約涵蓋不同的時間範圍，部分延續至2030年之後，且多項代表最大承諾而非保證付款。某些協議也可能與Stargate發展或獨立的處理器和數據中心安排重疊。其聲明的價值並未顯示有多少容量處於運營中、正在建設中或依賴於未來的擴展選項。
多雲策略也讓 OpenAI 能夠接觸不同的處理器架構。AWS 提供 Trainium 芯片，微軟和甲骨文的設施可部署 Nvidia 或其他系統，而 CoreWeave 專注於高密度 GPU 基礎設施。OpenAI 也正與 AMD、Broadcom 和 Cerebras 合作，這可能提升供應彈性，同時增加工程複雜性。其與 Nvidia 的意向書涵蓋至少 10 吉瓦的系統，Nvidia 在容量部署時可能投資高達 1000 億美元。由於這仍是一份意向書，其最終架構與投資價值尚未確定。
Stargate 與 Rival Investments 擴大全球 AI 基礎設施競爭
OpenAI 與軟銀於 2025 年 1 月推出 Stargate，計劃在四年內投資高達 5000 億美元於美國 AI 基礎設施，初期投入 1000 億美元，目標容量約為 10 吉瓦。甲骨文與 MGX 加入成為股權合作夥伴，而微軟、Nvidia 與 Arm 則被列為技術參與者。OpenAI 於 2026 年 4 月表示，其規劃並已確認的美國投資組合已超過原定目標，但仍有數個地點處於設計、許可或施工階段，規劃容量不應與運營中的資料中心混淆。該公司亦未澄清 Project Camellia 是否包含在 Stargate 中。同時， Alphabet、亞馬遜、Meta 與微軟預計在 2026 年將支出超過 7000 億美元，其中大部分用於 AI 相關基礎設施，但此年度估計值無法直接與 OpenAI 的合約比較。Anthropic 亦正透過 AWS Trainium 與 AMD 協議擴張，該協議有望自 2027 年起提供兩吉瓦容量，而 Google、Meta 與 xAI 則持續開發更大規模的運算叢集。
AI 基礎設施的軍備競賽正在多個領域發展：
-
電力採購：企業正在簽訂長期電力協議，並考慮靈活負荷計劃，以確保穩定的電網接入。
-
自訂 AI 芯片：雲端供應商正在開發替代 Nvidia GPU 的方案，以降低成本並加強對硬體供應的控制。
-
數據中心融資：科技公司、公用事業公司、晶片製造商、貸款機構和基礎設施基金正在共同承擔數十億美元項目的成本。
-
多雲容量：AI 開發者正在將工作負載分散至多個供應商，以提升韌性並存取不同的處理器系統。
-
土地與許可：擁有可用電力、水源、光纖連接及社區批准的場地正變得具有戰略價值。
Project Camellia、Stargate 和 OpenAI 的雲端協議顯示，AI 競爭已延伸至整個基礎設施鏈，涵蓋電力、資料中心建設、處理器、網路和雲端軟體。如果 OpenAI 能有效將此類容量投入運作，或可獲得優勢，但最終結果將取決於融資、監管批准、建設進度與合作夥伴的執行情況。隨著競爭對手採取類似策略，穩定的電力和運營中的資料中心，可能將與運行其內的 AI 模型同等重要。
結論
OpenAI 報告的基礎設施計劃顯示，AI 行業正迅速演變為一場對晶片、電力、數據中心場地和雲端容量的資本密集型競爭。Project Camellia 與該公司同主要科技供應商的合作，可能為 OpenAI 提供支持未來 AI 產品所需的規模與靈活性，但已公布的合約價值與規劃的吉瓦數並不能保證所有設施都能完成或完全利用。長期的成功將取決於建設進度、電網可用性、硬體效率、客戶需求，以及 OpenAI 從其確保的容量中產生足夠收入的能力。同樣的投資主題也可能影響正在基礎設施、數據和安全領域發展的 AI 與 區塊鏈 專案，儘管這些專案與 OpenAI 互不相關。隨著競爭對手加速自身的投資，AI 基礎設施的競爭很可能在本十年結束前，持續成為科技、半導體、雲端運算和能源產業的決定性力量。
加入 KuCoin 第 9 周年交易活動
KuCoin 正慶祝成立 9 週年，推出專屬平台活動，提供獨家獎勵、交易活動和限時優惠。不要錯過參與並享受這家交易所邁入第九年成長與創新成果的機會。立即前往官方活動頁面：
常見問題
計算支出與資本支出有什麼區別？
運算支出可包括雲端服務、處理器、網路、電力以及其他訓練和運行 AI 模型所需的資源。資本支出通常指公司投資於其擁有的資產（如伺服器或資料中心建築）的資金。OpenAI 可能從其合作夥伴擁有的設施購買雲端容量，因此部分基礎設施成本可能被列為服務支出，而非直接資本投資。
投資者應如何評估 OpenAI 的基礎設施策略是否有效？
重要指標包括處理器使用率、推理成本、服務可靠性、每單位部署容量的收入，以及已投入運營的合約基礎設施百分比。投資者還可監控企業客戶留存率、API 增長率和毛利。成本下降、使用率上升和重複性收入增加，表明擴張正在創造價值；而持續的閒置容量則可能對 OpenAI 及其基礎設施合作夥伴造成壓力。
吉瓦級容量對人工智慧資料中心意味著什麼？
一吉瓦衡量的是電力，而非人工智慧系統的運算性能。兩個使用相同數量電力的設施，可能因處理器、冷卻系統、網路設計和軟體效率的不同而產生不同的結果。吉瓦容量有助於了解項目的規模和電網需求，但無法揭示模型訓練的速度或其能支援的用戶數量。
替代性 AI 芯片能否減少 OpenAI 對 Nvidia 的依賴？
AMD、AWS、Broadcom、Cerebras 等供應商的處理器可為 OpenAI 提供更大的彈性，並降低對單一硬體公司的依賴。然而，將工作負載在晶片平台之間遷移需要軟體開發、測試和優化。Nvidia 也受益於其廣泛使用的 CUDA 生態。因此，OpenAI 可能會採用混合硬體策略，根據成本、可用性和工作負載性能選擇不同的處理器。
免責聲明
免責聲明: 本頁面經由 AI 技術翻譯，旨在方便您的閱讀。欲獲取最準確資訊，請以原始英文版本為準。