AI产业的算力军备竞赛正在进入一个前所未有的量级。据多家外媒报道，OpenAI首席执行官奥特曼近期在美国国会山听证会上披露，公司已将2026年资本开支预期上调至1300亿至1450亿美元区间。作为对比，这个数字已经超过不少国家全年的科技研发投入总和，也远超OpenAI此前公开的任何投资计划。当一家公司的年度资本开支逼近1500亿美元，它已不是在购买算力，而是在购买未来十年的行业话语权。
这笔巨额投入的去向相当清晰：大规模采购GPU、建设数据中心、投资自研芯片，以及为不断扩张的算力设施保障电力供应。奥特曼在听证会上同时确认，OpenAI正在推进下一代模型家族的计划，并公开支持"把握前沿节奏"的行业倡议。资本开支、模型迭代与政策游说三线并进，勾勒出一家前沿AI公司重塑行业规则的全貌。
1300亿至1450亿美元资本开支，主要流向三大方向。最大头是GPU与算力采购，前沿模型的预训练需要数万张高端加速卡，一次训练的成本以亿美元计，模型迭代越快，硬件采购越频繁；其次是数据中心建设，从选址、土地、厂房到冷却系统与网络设施，单座大型数据中心的投资动辄数十亿美元，而OpenAI需要的不止一座；第三是自研芯片投入，为摆脱对单一供应商的依赖，OpenAI已组建芯片团队推进自研方案，研发与流片成本同样不菲。
电力是这轮投资中最容易被忽视的隐形巨兽。大型AI数据中心的功耗相当于一座小型城市的用电量，OpenAI与多家能源公司签下长期供电协议，部分项目甚至开始自建发电设施。电力成本占数据中心运营成本的比例持续攀升，这也解释了为什么奥特曼在听证会上反复强调能源政策的重要性，算力的尽头是电力，这句话正在成为行业共识。
如此规模的资本开支，对公司的现金流是巨大考验。OpenAI目前的收入增长强劲，ChatGPT周活用户已突破10亿，企业订阅与API收入构成基本盘，但千亿美元级的年度投资仍意味着持续的资金缺口。市场普遍预期OpenAI将继续通过融资补充弹药，而此前的报道也显示其IPO计划可能推迟至2027年，优先保障研发与算力投入。
千亿美元砸下去，钱能花得出去，但电力和芯片未必跟得上。电力是算力扩张的第一道闸门，一座大型AI数据中心的年耗电量可达数亿千瓦时，相当于一座中型城市的居民用电量。OpenAI等公司一方面与电网运营商签署长期供电协议，另一方面投资核电、可再生能源项目，甚至自建发电设施，但电网接入周期、审批流程与社区阻力，都让电力供给成为算力扩张的硬约束。
芯片供应链则是第二道闸门。高端AI加速卡的产能主要集中在一家代工厂的先进制程产线上，产能分配直接影响各家的训练进度。OpenAI通过自研芯片、多元供应商策略分散风险，但新芯片从设计到量产需要数年周期，远水解不了近渴。市场分析机构普遍认为，未来两年高端AI芯片仍将处于供不应求状态，算力扩张的速度，某种程度上由芯片产能决定。
这两道约束正在重塑资本开支的分配结构。从OpenAI到其他头部玩家，都在加大对电力资产、能源技术与芯片供应链的投资，资本开支的内涵从单纯的"买GPU"扩展到"建基础设施"。对投资者而言，这意味着算力投资的机会不再局限于芯片厂商，电力设备、液冷系统、新能源与电网改造等环节都将分享这轮红利，而算力扩张的天花板，也将在电与芯的博弈中逐渐显现。
OpenAI的千亿美元开支并非孤例，而是整个行业投入曲线的一个缩影。Anthropic、谷歌、Meta等头部玩家都在以百亿美元级规模建设数据中心，微软与亚马逊的云资本开支同样连年创新高。硅谷的分析师们估算，全球前十大AI公司今年的算力相关资本开支合计已突破5000亿美元，这个数字还在以每年两位数的速度增长。
中国的算力投资同样如火如荼。字节跳动启动10万亿参数级别的超大模型预训练，背后是同样规模惊人的GPU采购；阿里、腾讯、百度等巨头持续扩建智算中心；各地政府主导的算力基础设施建设进入密集落地期。全球AI算力竞争的格局，已经从"算力够不够"切换到"算力谁更快、谁更便宜"，而这正是资本开支竞赛的直接结果。
算力投资的狂热也引发了理性反思。斯坦福等机构的研究指出，模型能力的提升并非与算力投入线性挂钩，单纯堆算力的边际收益正在递减，算法创新与数据质量的重要性日益凸显。部分分析人士担忧，如果模型迭代速度跟不上算力扩张，可能出现算力过剩的泡沫风险。但至少在当下，头部玩家的态度高度一致：宁可算力过剩，不可错失窗口。
千亿美元级的资本开支，正在重塑整个AI产业链的格局。上游的GPU制造商订单排到数年之后，代工厂的先进制程产能持续满载；中游的数据中心运营商、电力设备商与冷却系统厂商迎来景气周期；下游的云服务商与模型厂商则在算力供给充裕后开启降价竞赛。每一次资本开支的跃升，都在产业链的某个环节催生新的百亿级机会。
对投资者与创业者而言，算力军备竞赛的溢出效应值得关注。自研芯片方向的创业公司、算力调度与优化软件、液冷散热与新能源供电方案、分布式训练框架，都是这轮投入的直接受益者。与此同时，算力的充裕正在压低推理成本，让更多AI应用具备商业化条件，这为应用层的创新打开了空间，也解释了为什么今年AI应用赛道格外活跃。
回到产业规律本身，算力投资的潮起潮落，最终都要回到"AI能否创造与之匹配的价值"这个问题上。OpenAI的千亿美元豪赌，赌的是通用人工智能的商业化上限；行业整体投入的加速，赌的是AI渗透实体经济的速度。在答案揭晓之前，算力的军备竞赛仍将继续，而每一次资本的加注，都在为AI的下一次能力跃迁铺设轨道。