芯片战争来了！100万卡 vs 5000万卡，奥特曼、马斯克“神仙打架”

OpenAI年底前将上线100万张GPU，直观感受就是新一轮芯片战争打响了。

7月21日，奥特曼在推特上预告，OpenAI到年底前将上线超过100万张GPU。他还补充道，“对团队感到自豪，但现在他们最好想想，怎么在这个数量规模上再扩容100倍。”

图1、奥特曼官宣OpenAI“百万GPU”目标

这句看似简单的预告，实则暗藏多重信号：

首先，规模碾压对手。OpenAI的目标不再是10万卡，20万卡，要做就做100万卡，这一规模将达到马斯克旗下xAI训练Grok 4所用20万GPU的5倍；

其次，战略自主。算力基础设施的跃进，意味着OpenAI正逐步摆脱对微软Azure的依赖——过去其算力高度绑定微软，如今通过自建数据中心（如星门计划）掌握主动权；

最后，OpenAI的行业野心也一览无余。“扩容100倍”直指AGI所需的终极算力目标，一场以算力为基石的AI军备竞赛已进入白热化。

这里还有个小插曲——就在奥特曼定下冲刺100万卡目标之后，华尔街日报就下场拆台，称星门计划进度不顺利，软银迟迟掏不出钱。但OpenAI随即“灭火”：不仅官宣与甲骨文加码投资，将星门计划扩容4.5吉瓦，还强调一期项目已部分投入运营，多方合作进展顺利。

随后，马斯克更是直接“放卫星”，5年内，xAI要部署到5000万张H100 GPU的等效算力。

图2、马斯克提出xAI五年内5000万卡目标

按照单卡平均4万美元粗略计算，100万卡规模，仅GPU部分价值就高达400亿美元，这种烧钱量级和速度，在科技行业也是前所未有，基本接近一线巨头们的年资本支出。

英伟达对此自然是乐见其成，问题是，行业数以万计的计算卡需求，会将英伟达的市值推向什么高度？

我们把视线再拉回算力上，OpenAI最近一次受算力影响最大的案例是3月份上线的“吉卜力风格”生图功能，官方一度对产品做了限流处理，包括对生图的速率进行暂时性限制，将免费用户的生成额度限制在每日3次。奥特曼还在推特上高喊“我们的GPU快要融化了”，表面是宣传产品，也可以看做是给犹豫不决的投资人“上眼药”。

显然，星门计划还在筹资阶段，OpenAI、软银、甲骨文们虽然能凑出500多亿美元，但还有一半的缺口要通过债务融资完成，想要刺激投资人们掏钱，就得释放一些星门计划合理性的信号。

①、奥特曼“脚踏三只船”

OpenAI对算力的追逐由来已久，其算力来源包括自研、星门计划、微软三个主要渠道。

关于自研芯片这件事，一度传出奥特曼要筹集7万亿美元下场造芯的消息。不过，去年2月份，奥特曼委婉的否认了此事，在他与英特尔前任CEO帕特·基辛格的炉边谈话中曾说过：“我们确实认为世界需要在AI计算（芯片）领域投入大量资金”。

根据行业的跟踪和研究数据，OpenAI自研芯片一直在有序推进，其首款产品最快2026年问世。

图3、科技公司自研芯片路线图，标红为已发布，*代表待确认，来源HSBC

汇丰银行研究团队6月下旬披露了一份科技公司自研ASIC的进度表，包括谷歌、Meta、亚马逊、微软、xAI等等在内的硅谷公司，清一色下场自研AI芯片。

研报显示，OpenAI首款3纳米自研芯片由博通代工设计，代号为Titan V.1，将于2026年发布，更先进的Titan V.2芯片将于2028年问世，但不确定为2nm工艺还是A16（1.6nm）工艺。

一位长期跟踪半导体产业的分析师Paul则在推特上披露了OpenAI自研芯片的详细规格和发布时间(如上图)，强调Titan V.1将在2026年第三季度问世，核心配置包括N3工艺、144GB HBM3e显存、两颗计算芯片，采用CoWoS-S封装等，但他认为，Titan V.2将于2027年第三季度问世，比汇丰银行的分析师团队预测的2028年稍稍提前。

自研属于长线规划，在这条路跑通之前，OpenAI的脚开始伸向微软之外的“另一条船”，牵头搭建算力基础设施。

今年1月份，OpenAI联合软银、甲骨文推出星门项目，计划四年在美国投资5000亿美元，搭建算力基础设施，首期投资1000亿美元，其中软银承担财务责任，OpenAI负运营责任。

这里的重点是，运营权才是奥特曼在星门计划中想得到的——想怎么分配怎么分配，打不打价格战全都自己说了算。

图4、美国得州阿比林星门项目工地航拍，来源：OpenAI

4个月之后，OpenAI又攒了一个“阿联酋版”星门计划，计划联合G42、甲骨文、英伟达、软银等合作伙伴，在当地构建一个1吉瓦的数据中心，预计2026年投入使用。

这些宏大的基础设施项目兑现之前，OpenAI的算力供给仍然依赖微软——两家自2019年开始合作，微软向其提供了超过130亿美元的直接投资，同时成为OpenAI独家算力提供商，微软则在OpenAI的模型、收入分成等方面获得优先权，比如可获得OpenAI 49%的利润分配权，最多可达到1200亿美元。

依赖微软，也要避免被微软“卡脖子”。从7万亿美元造芯传闻，到5000亿的星门计划，再到阿联酋版星门，OpenAI核心逻辑是构建一个由自己主导，不断堆高的宏大算力叙事。

没有规模化的算力，就会随时被谷歌的价格战碾压，而规模化是谷歌的先天优势。产品层面，缺算力就如同“巧妇难为无米之炊”，就会出现更多“吉卜力风格”生图能力受限的问题，所以之前才会就有小道消息说，伊利亚因为算力需求被砍愤而离职、GPT-5、DALL-E等就是因为算力短缺而被迫延迟发布等等。

巧合的是，在OpenAI“猛踩油门”的时候，微软却轻点了一下刹车。

今年4月份，美国券商TD Cowen分析师称，微软放弃了在美国和欧洲的2吉瓦新数据中心项目，微软官方的回复称数据中心容量都是多年前规划，现在各地布局都已完善，所以做了一些灵活性的战略调整。

微软的战略收缩，其实从去年底纳德拉接受BG2播客访谈中就能找到信号，他当时毫不避讳的强调和奥特曼的分歧，“我们需要用严谨的方式来思考如何有效利用现有设备。同时也要考虑设备的使用寿命，不能一味地购买新设备。除非GPU的性能和成本能带来显著改善，让利润率达到或超过大型云服务商的水平，否则我们不会轻举妄动。”

大家都在追逐算力的安全感，纳德拉认为存量算力已经足够，需要精细化运营，奥特曼担心的是算力不够成为新模型、产品的掣肘。

于是，双方越走越远。

今年1月，微软选择了放手，与OpenAI修订了合作条款，允许其使用第三方供应商的计算资源，很快甲骨文、CoreWeave这些云厂，逐个都跟OpenAI签订了租赁协议。当然，为了体面，微软依旧拥有提供算力的优先合作权。

The Information援引投资人会议的消息称，OpenAI计划到2030年，将75%的算力来源转移至星门项目上。

②、算力战争“烧掉”2.5万亿

OpenAI追逐算力，内部要实现“算力自主可控”，外部则是应对硅谷巨头们的“算力战争”。

7月16日，The Information上线了专访Meta CEO扎克伯格的内容，扎克伯格称Meta正在建设多个数据中心集群。

“我们的人员正在夜以继日地工作于普罗米修斯（Prometheus）和亥伯龙（Hyperion）项目中，这是我们的前两个泰坦（Titan）集群，都将超过1吉瓦。亥伯龙将在未来几年扩展到5吉瓦。我分享过它的图片，从占地面积来看，这个数据中心的规模占了曼哈顿的相当一部分。它太庞大了。”扎克伯格说。

图5、Meta亥伯龙数据中心，规模超过曼哈顿 来源：扎克伯格

1吉瓦的数据中心是个什么概念？

假设Meta在建的1吉瓦亥伯龙数据中心全部部署GB200 NVL72机架，按照单机架140KW的功耗计算，总计可容纳7100+个机架，由于每个机架内置72张GPU，总计大约51万张GPU，按照单机架300万美元来折算，7100多个机架的总成本就超过210亿美元。

而如果OpenAI和甲骨文新扩容的4.5吉瓦项目兑现，那么未来OpenAI借助星门计划掌握的GPU就有可能冲到接近250万张GPU的规模。

图6、到2026年的超大规模训练集群，来源：SemiAnalysis

7月21日，知名研究机构SemiAnalysis基于其数据中心和加速器模型，披露了到2026年底，Anthropic、OpenAI和Meta的训练集群数据。SemiAnalysis列举了Meta的另一个1吉瓦容量的普罗米修斯数据中心项目，其采用GB200/300混搭，GPU总量达到50万张，与我们对亥伯龙数据中心的预估结果基本一致。

能耗方面，1吉瓦的GB200 NVL72数据中心，全年365天24小时满负荷运行，预计需要87.6亿度电。作为对比，日本东京2023年全年的用电量也就1300亿度。

SemiAnalysis的跟踪数据中未包含xAI，但作为OpenAI的头号对手，xAI同样在“疯狂”投资基础设施。

7月10日，xAI公布了旗下Grok 4模型，马斯克在直播中透露该模型是在一个拥有超过20万张H100 GPU的超级计算机集群。这句话的重点不止于这个20万卡的集群，还在于xAI数据集群建设速度上——距离上一个节点“10万卡”集群建成仅仅过去了9个月。

更夸张的是，xAI旗下首个10万卡级别的Colossus AI 超级计算机集群，从建设到投入运营，耗时122天，建设效率“卷上天”。

关于为什么要这么卷基础设施建设，马斯克在直播中透露过自己的逻辑，他强调如果依赖云厂的算力，协调一个10万卡的集群，预计需要18到24个月。“我们想，18到24个月，这意味着失败是必然的。”马斯克说。

自建122天，协调云厂的算力最快需要18个月，这也一定程度上可以解释为什么OpenAI不打算和微软一起玩了——靠外部合作伙伴来协调算力效率太低，租赁算力只能作为短期过渡方案，只有自己主导才能可控。

可以想象这样一幅画面：当OpenAI推出吉卜力风格图片生成时，奥特曼说“我们的GPU快要融化了”，转身向微软协调算力支持却碰了软钉子——得到的回复竟是“你再等等”。此刻的奥特曼，内心恐怕只剩下一声无奈的叹息。

图7、2023-2025年，AI基础设施建设资本支出趋势变化，来源：The Business Engineer

回到xAI的20万卡集群上来，按H100单卡2.5万美元-3万美元的价格，大致可以估算一下成本，整个GPU部分的成本就需要50亿美元-60亿美元，这还不包括基建和运营、维护的成本。

OpenAI、xAI、Meta在数据中心上的投入，是行业AI资本支出扩张的一个缩影。

The Business Engineer分析师Gennaro Cuofano今年5月份发布一份研究报告，内容援引硅谷公司的业绩、行业预测数据，梳理了2023、2024、2025三个年度硅谷大公司在AI上的资本支出，对应数值分别为1700亿美元、2560亿美元、3600亿美元。

全年3600亿美元，折合人民币超过2.5万亿元，这个规模相比2023年增长超过110%。更重要的是，大公司的AI支出占据了全行业85%以上，这也意味着AI基础设施建设的“马太效应”不断强化——未来头部云厂将掌握着行业的核心资源。

巨头们纷纷卷入这场2.5万亿元算力战争，也还有一个值得关注的背景——OBBB（大漂亮法案）签署通过。

根据法案，科技巨头们的大型数据中心基础设施建设、研发等都可获得税收抵免。以设备全额折旧为例，比如企业购买价值1亿美元的服务器等数据中心硬件。 按传统折旧规则需要分5年进行，每年只能抵扣2000万美元。根据法案，企业可在购置当年一次性抵扣1亿美元应纳税所得额。

业务上有需求，竞争对手都在卷，政策又变相的起到了催化剂作用，都刺激着奥特曼、扎克伯格和马斯克们，迫不及待的再打一场硅谷芯片战争。

如果非要问一个问题，有了百万级的GPU，人类能打开AGI时代的大门吗？

审核编辑 黄宇