OpenAI 执行官 Sam Altman并不以目光短浅而闻名，但他近的言论甚至突破了他一贯的大胆技术言论的界限。在 X 上的一篇新文章中，Altman 透露，OpenAI 有望在今年年底前“上线超过 100 万个 GPU”。仅此一个数字就已经很惊人了。

　　想想埃隆马斯克的 xAI，它在今年早些时候凭借其 Grok 4 模型引起轰动，运行在大约 200,000 个 Nvidia H100 GPU 上。OpenAI 的计算能力是这个的五倍，但对于 Altman 来说这还不够。“为团队感到非常自豪......”他写道，“但现在他们开始研究如何将其提高 100 倍，哈哈。”

　　“哈哈”可能听起来像是在开玩笑，但 Altman 的过往经历表明并非如此。早在 2 月份，他就承认 OpenAI 不得不放慢 GPT-4.5 的推出速度，因为他们实际上“ GPU 用完了”。这可不是小问题；考虑到Nvidia 的 AI 硬件到明年的订单也已售罄，这可谓一记警钟。
　　此后，Altman 将计算扩展作为首要任务，寻求合作伙伴关系和基础设施项目，这些项目看起来更像是全国性的行动，而非企业 IT 升级。当 OpenAI 在今年晚些时候达到 100 万个 GPU 的里程碑时，它将不仅仅是社交媒体的炫耀——它将巩固自己作为全球 AI 计算消费者的地位。
　　无论如何，让我们来谈谈那个 100 倍的目标吧，因为它听起来确实很疯狂。按照目前的市场价格，1 亿块 GPU 的成本约为 3 万亿美元——几乎相当于英国的 GDP——这还不包括电力需求或容纳这些 GPU 所需的数据中心。Nvidia短期内根本不可能生产出这么多芯片，更不用说满足所有 GPU 的能源需求了。然而，这正是 Altman 的“登月计划”式思维。这与其说是一个字面意义上的目标，不如说是为通用人工智能 (AGI) 奠定基础，无论这意味着定制芯片、奇特的新架构，还是我们尚未见过的东西。OpenAI 显然想要找到答案。
　　活生生的例子就是OpenAI位于德克萨斯州的数据中心，它目前是全球的单体设施，耗电量约为300兆瓦——足以为一座中型城市供电——预计到2026年中期将达到1千兆瓦。如此巨大且难以预测的能源需求已经引起了德克萨斯州电网运营商的关注。他们警告说，要稳定如此规模的数据中心的电压和频率，需要成本高昂且快速的基础设施升级，即使是州公用事业公司也难以匹敌。无论如何，创新必须占上风，泡沫不应该破裂。
　　OpenAI 并非仅仅囤积 NVIDIA 硬件。虽然微软的 Azure 仍然是其主要的云骨干，但OpenAI 已与甲骨文合作构建自己的数据中心，并且据传正在探索谷歌的 TPU 加速器，以使其计算堆栈多样化。这是一场更大规模军备竞赛的一部分，从Meta到亚马逊，每家公司都在自主研发 AI 芯片，并大力投资高带宽内存 (HBM)，以支持这些庞大的模型。Altman 则暗示了 OpenAI 自己的定制芯片计划，考虑到公司不断增长的规模，这并非偶然。
　　Altman 的评论也毫不掩饰地提醒我们，这个领域的发展速度有多么快。一年前，一家拥有 1 万块 GPU 的公司听起来就像是一个重量级的竞争者。而现在，即使是 100 万块 GPU，也感觉只是迈向更大目标的垫脚石。OpenAI 推进基础设施建设的目的不仅仅是加快训练速度或更顺畅的模型部署；而是为了在这个计算能力终成为瓶颈的行业中确保长期优势。当然，Nvidia 非常乐意提供这些基础模块。
　　1亿个GPU现实吗？目前还不行，除非在制造、能源效率和成本方面取得突破。但这正是关键所在。Altman的愿景并非局限于现有资源，而是着眼于未来的可能性。年底前上线的100万个GPU，是标志着AI基础设施新基线的真正催化剂，而这个基线似乎正在日益多样化。除此之外，一切都是雄心勃勃的目标，如果Altman的历史可以作为借鉴，那么将其视为纯粹的炒作或许是愚蠢的。