AI到底有多烧钱？
过去我们用“多少块GPU”衡量算力，现在OpenAI和英伟达已经开始用另一个单位：吉瓦。
8月17日披露的PORTS-Pike项目中，OpenAI将在美国俄亥俄州建设世界级AI基础设施。OpenAI官方披露，公司已就该园区锁定约8GW IT容量，其中英伟达将为最初4.25GW相关建设提供信用支持，整个园区将专门部署NVIDIA AI计算基础设施。
而按照英伟达新闻稿的测算，初步4.25GW部署中，每一代NVIDIA AI工厂系统对应的规模可能达到约150万块GPU，并可能代表1500亿—2000亿美元的英伟达收入机会。
如果未来合作进一步扩展，OpenAI与英伟达相关算力规模有机会向约16GW推进。
英伟达给出的数字更加夸张：
到2030年，对应的NVIDIA计算机会可能达到约6000亿美元。
注意，这不是说OpenAI今天已经签下一张6000亿美元GPU订单，而是英伟达按照潜在算力扩张规模测算出的长期市场机会。
但即使如此，这个数字仍然透露出一个非常重要的信号：
AI真正烧钱的时代，可能才刚开始。
150万块GPU，是什么概念？
先不要急着看6000亿美元。
150万块GPU本身，就已经足够惊人。
很多投资者对10万张卡、20万张卡的AI集群已经觉得规模巨大。
但现在，行业开始讨论百万级GPU基础设施。
而且这里需要特别注意：
并不是把150万块GPU一次性永久装进去就结束。
PORTS-Pike项目规划周期长达20年，未来还会经历多代GPU升级。
也就是说，今天可能是Blackwell、Rubin，几年以后又会出现下一代架构。
AI数据中心不是建设一次、用20年，而可能每隔几年就经历一次昂贵的“换心脏”。
这也是为什么英伟达会把一个4.25GW项目对应的长期收入机会测算到1500亿—2000亿美元。
真正值钱的不只是第一次卖GPU。
而是：
第一代、第二代、第三代……不断升级。
这有点像以前的智能手机换机周期，只不过现在换的不是一部几千元的手机，而是价值数百亿美元的AI基础设施。
为什么AI工厂开始用“吉瓦”衡量？
因为GPU已经多到不能只看芯片数量。
1GW是什么概念？
简单理解，就是100万千瓦电力负荷。
OpenAI在PORTS-Pike锁定的约8GW IT容量，已经接近一座超大型工业基地的用电规模。首批约800MW预计2028年开始具备使用条件，随后还需要建设新的发电设施、输电线路和配套基础设施。
这说明AI产业正在发生一个非常重要的变化。
过去一家互联网公司扩张，核心问题是：
服务器够不够？
现在AI公司扩张首先要问：
电从哪里来？
然后才是：
GPU有没有？
变压器够不够？
光模块够不够？
冷却系统能不能扛住？
电网能不能把这么多电送进去？
所以AI产业越来越像重工业。
模型写在代码里，但模型背后的生产资料已经变成了：
土地+电厂+电网+GPU+HBM+网络+制冷。
这也是为什么英伟达喜欢使用“AI Factory”这个词。
它真的越来越像一座工厂。
只不过传统工厂生产汽车、钢铁和化工品，而AI工厂生产的是Token和智能。
英伟达为什么敢看6000亿美元？
因为OpenAI对算力的胃口还在扩大。
早在2025年9月，OpenAI与英伟达就宣布战略合作，目标是部署至少10GW NVIDIA系统，对应数百万块GPU；英伟达还表示，将随着算力逐步落地，对OpenAI投资最高1000亿美元。
现在PORTS-Pike又进一步扩大了物理基础设施版图。
OpenAI官方披露，这个俄亥俄州项目预计在六年建设期内创造约3.5万个建筑岗位和2500个长期运营岗位；数据中心由SB Energy建设、持有和运营，再通过20年租约向OpenAI提供容量。
英伟达8月17日还宣布，将向SB Energy投资15亿美元。
你会发现，英伟达的角色已经悄悄发生变化。
过去它只是卖GPU。
现在它越来越深地进入：
芯片供应、网络、软件、数据中心设计、资本投资，甚至项目融资支持。
为什么？
因为如果未来AI算力真的是一个数千亿美元市场，那么对于英伟达而言，最重要的事情已经不只是“让客户买我的GPU”。
而是：
确保客户真的有钱、有电、有数据中心把GPU买回去。
这就是AI基础设施竞争进入下一阶段的标志。
最大的赢家可能不只有GPU
很多投资者看到6000亿美元，第一反应可能是：
英伟达还能赚多少钱？
但如果真的建设10GW、甚至更大的AI算力集群，真正被拉动的绝不仅是一家公司。
第一层当然是GPU
这是整台AI工厂最昂贵的核心设备。
训练模型需要GPU，推理需要GPU，新模型扩大规模还是需要GPU。
算力需求不断增加，GPU自然处在产业链最核心位置。
第二层是HBM和先进封装
GPU不是孤立工作的。
高性能AI芯片需要大量HBM高带宽内存，也需要先进封装把GPU和存储高效连接起来。
GPU数量达到百万级之后，HBM的消耗同样是天文数字。
所以为什么这一轮AI行情中，存储越来越受到市场重视？
答案就在这里。
AI不仅吃算力，也在疯狂吃内存。
第三层是高速网络和光通信
几块GPU容易连接。
150万块GPU怎么连？
这已经不是普通网络问题。
GPU之间需要高速交换数据，数据中心之间还需要互联。
因此交换机、光模块、光纤、高速网络芯片，都可能随着集群规模放大而增长。
第四层则越来越关键：
电。
没有电，所有GPU都是昂贵的铁盒子。
未来AI最大的瓶颈，可能不是芯片，而是电
PORTS-Pike项目最值得关注的一句话，其实不是150万块GPU。
而是OpenAI官方明确表示：
最初800MW可以主要利用现有电力基础设施，但后续扩张将需要建设新的发电设施和输电线路，其中包括天然气发电。
这句话含金量非常高。
过去大家讨论AI投资机会，首先想到半导体。
但当项目进入几个GW之后，限制条件就开始发生变化。
芯片可以买。
但是电厂不是今天下单，明天就能投产。
高压变压器不是无限供应。
输电线路建设需要时间。
数据中心选址还要考虑水、电、土地和审批。
于是未来AI算力真正稀缺的资源，很可能从GPU进一步向上游扩散：
谁能提供稳定、便宜的大规模电力，谁才有资格建设下一代AI工厂。
这也是为什么美国科技公司近年来越来越频繁地讨论天然气、核电、储能和电网。
AI最终又绕回了最古老的一门生意：
能源。
6000亿美元真正值得警惕的是“算力折旧”
当然，这场狂热也不是没有风险。
最大的风险恰恰来自AI芯片更新太快。
一座传统电厂可能运行30年。
一栋办公楼可以使用几十年。
但今天最先进的GPU，几年后就可能被下一代产品明显超越。
这意味着AI数据中心面对一个非常特殊的问题：
资产规模巨大，但核心设备折旧速度极快。
今天花几百亿美元买的GPU，如果三四年后下一代芯片能效和性能大幅提升，就必须考虑升级。
对于英伟达来说，这是好事。
客户不断换代，就是持续收入。
但对于OpenAI以及数据中心投资方而言，这意味着一个非常现实的问题：
赚回来的钱，必须足够覆盖巨额资本开支。
OpenAI今年早些时候曾预计，到2030年累计计算支出可能达到约6000亿美元，而公司同时需要依靠收入和融资支持持续扩张。
所以AI产业最终必须回答一个问题：
这些GPU创造出来的Token，到底能不能卖出足够多的钱？
这是6000亿美元故事能否真正成立的核心。
AI投资逻辑已经变了
过去两年，资本市场最喜欢问的是：
谁的大模型最好？
未来投资者可能越来越需要问另外几个问题：
谁拥有最多电力？
谁能够建设最大规模数据中心？
谁掌握GPU、HBM和网络？
谁能够把一座AI工厂真正运营起来？
这说明AI竞争正在从“软件战争”，迅速升级成一场工业基础设施战争。
OpenAI在PORTS-Pike锁定约8GW容量，英伟达进入投资和融资体系，背后都指向同一个趋势：
算力正在变成新时代的基础设施。
就像20世纪拼的是铁路、电网、高速公路和石油。
21世纪AI时代开始争夺的，则可能是：
GPU、电力、数据中心和高速网络。
6000亿美元最大的启示：不要只盯着英伟达
所以，一座AI工厂为什么会出现150万块GPU这样的数字？
因为AI已经走过“买几千张卡训练一个模型”的阶段。
现在头部公司正在建设的是能够持续训练、持续推理、服务数亿甚至更多用户的全球算力基础设施。
这背后形成的投资链条非常长：
GPU之后是HBM；
HBM之后是先进封装；
服务器之后是光模块；
数据中心之后是液冷；
液冷之后是电力设备；
再往后甚至是天然气、核电、电网和储能。
所以真正值得投资者关注的，不只是：
英伟达能不能吃到6000亿美元。
而是如果AI基础设施真的从10GW走向更高水平，全球将需要重新建设多少电力、网络、服务器和数据中心？
这可能才是这一轮AI资本开支最惊人的地方。
过去我们以为AI是一场软件革命。
现在越来越明显：
AI最后可能是一场规模堪比能源和工业革命的基础设施建设潮。
模型决定AI能做到什么。
但决定模型能跑多远的，最终还是那些最朴素的东西：
芯片、电力、土地、网络和资本。
而PORTS-Pike的百万GPU计划，只是把这场算力军备竞赛的规模，第一次更加直观地摆到了所有人面前。
相关文章
