10吉瓦，这个数字相当于10座大型核电机组的装机容量。OpenAI与英伟达在2026年9月26日宣布，双方将共建这一规模的AI算力基础设施，首批站点落地美国德克萨斯州。对于过去两年一直被“算力焦虑”困扰的AI行业来说，这既是一次豪赌，也是一次路线宣示。
交易的核心信息
根据双方联合发布的公告，项目关键参数如下：
- 总规模：10吉瓦（GW）数据中心容量，分多期建设，周期跨越2026至2029年
- 首批站点：德克萨斯州阿比林市，初期部署约1.2吉瓦，预计2027年第二季度通电
- 投资结构：英伟达以GPU及网络设备作价入股，OpenAI承担土建与长期运营成本，双方未披露具体金额
- 技术底座：基于英伟达下一代Vera Rubin架构GPU，配套Spectrum-X以太网互联方案
- 能源方案：与德州本地电力运营商签订长期购电协议，含部分风电与光伏配比
值得注意的是，公告中并未提及微软。作为OpenAI此前的独家云服务伙伴，微软的角色变化引发外界诸多猜测。
为什么是10吉瓦
要理解这个数字的分量，需要先理解AI训练的“能耗账”。当前训练一个前沿大模型的耗电量，大致相当于数万个家庭一年的用电总和。而OpenAI下一代模型的参数规模预期将再上一个数量级，传统“租用云厂商零散算力”的模式已经难以满足需求。
自建超大规模集群的核心逻辑有三点：
第一，降低单位算力成本。自建数据中心的电力、冷却、网络成本可压缩至租用模式的六成左右，规模越大摊薄效应越明显。
第二，掌控训练节奏。算力资源不再需要与其他云客户排队竞争，模型迭代周期可预测性大幅提升。
第三，软硬件协同设计。OpenAI的模型团队可以与英伟达的芯片团队直接对接，针对特定算子进行底层优化，这在“买卡即用”的模式下很难实现。
对普通用户而言，这意味着未来ChatGPT及后续产品的响应速度、上下文长度、多模态能力有望迎来新一轮跃升，但短期内订阅价格不太可能下降——算力投入的回收周期以年计。
行业格局的连锁反应
这笔交易对AI基础设施赛道的影响是结构性的。
对云厂商而言，OpenAI的“去云化”倾向是一个明确信号：头部AI公司不再满足于做云平台的租户。亚马逊AWS、谷歌云、微软Azure此前均将“AI算力租赁”作为核心增长故事，如今最大客户之一开始自建，长期收入预期需要重估。
对英伟达而言，从“卖铲子”到“入股矿场”，商业模式进一步向下游延伸。以设备换股权，既锁定长期出货，又分享AI应用层的增值收益。但风险同样存在：若OpenAI模型商业化不及预期，英伟达的账面收益将承受减值压力。
对能源行业而言，10吉瓦的增量需求足以改变区域电力市场的供需格局。德州作为美国电力市场化程度最高的州，电价波动可能加剧，本地居民用电成本是否会受牵连，已成为当地媒体关注的议题。
多方视角
英伟达CEO黄仁勋在公告中表示：“这不是一次简单的采购，而是双方工程团队从芯片到冷却系统的联合设计。10吉瓦是一个起点，它定义的是AI工厂的建造标准。”
OpenAI方面则强调项目的“可扩展性”，称首批1.2吉瓦只是“验证性部署”，后续将根据模型训练需求动态调整建设节奏。
行业分析机构SemiAnalysis在一份客户简报中给出了相对谨慎的评价：“项目执行风险不容低估。10吉瓦意味着约500万块GPU的部署量，供应链、电力接入、冷却水供应任一环节出现瓶颈，都可能拖累整体进度。2027年通电的目标偏激进。”
结语
从2022年ChatGPT问世至今，AI行业的竞争焦点经历了从“模型能力”到“应用生态”再到“算力底座”的迁移。OpenAI与英伟达的这次联手，本质上是把竞争推向了最重资产、最长周期的一层。它能否跑通“自建算力—模型升级—商业变现—再投资”的正循环，将决定未来五年AI头部阵营的座次。
一个值得思考的问题是：当算力以“吉瓦”为单位被讨论时，AI行业的门槛是否已经高到只有少数玩家能够留在牌桌上？欢迎在评论区分享你的看法。
