OpenAI 盯上 10GW 以上算力

OpenAI 正把美國資料中心擴建規劃推到 10GW 以上，算力和電力已經變成它最在意的瓶頸。

說真的，這不是一般的雲端擴容新聞。10GW 是電網等級的數字，不是多幾台伺服器而已。

OpenAI 也不是只喊口號。它已經和夥伴一起看美國各地站點，準備往更大規模走。

10GW 為什麼這麼誇張

先講白話，GW 是電力單位。你在看的是發電廠等級的需求，不是一般公司機房。

這代表什麼？土地、變電、冷卻、水資源、許可，全都要一起算。少一項都會卡住。

對 AI 公司來說，算力就是生產線。訓練模型要算力，推理服務也要算力，少了就只能排隊。

• 10GW 代表要跟電網和公用事業公司硬碰硬
• 選址不只看地價，還看輸電和用水
• 算力多寡會直接影響模型訓練排程
• 產品上線速度也會被基礎設施拖住

OpenAI 到底在說什麼

核心意思很直白。10GW 不是終點，只是起跑線附近的一站。

OpenAI 和合作夥伴已經在看新站點。這表示後面真正麻煩的事，是把土地和電力真的接起來。

這也符合它近年的打法。OpenAI 越來越常把基礎設施放到台面上，跟模型本身同等重要。

“The world needs more AI infrastructure.” — Sam Altman，OpenAI CEO，2024 年 9 月在 X 發文。

這句話很直球。意思就是，需求還會往上衝，誰先卡到電力，誰就先拿到更多訓練和服務空間。

我覺得這種講法很務實。因為 AI 產業現在的瓶頸，很多時候不是演算法，是機房和電。

和其他玩家比，差在哪

OpenAI 不是唯一砸錢的人。OpenAI、Microsoft、Google Cloud，還有 AWS 都在搶 AI 基礎設施。

但規模語言已經變了。以前大家講的是幾十 MW，現在直接跳到 GW。這不是同一個級別。

你可以把它想成兩種世界。一般企業資料中心像辦公大樓，AI 訓練園區更像工業區。

• 一般企業機房多半是數十 MW 級
• 大型 AI 園區已經在談數百 MW 到 GW
• 電力可用性會先決定能不能蓋
• 傳輸線、變電站和許可都會拉長時程

這也解釋了為什麼地點很重要。便宜土地沒用，沒電就是沒電。

有些州看起來條件好，結果卡在水源或審批。這種事在 AI 基礎設施圈很常見。

這波對產業代表什麼

這件事不只影響 OpenAI。它會把整個 AI 供應鏈都往前推，從晶片、機櫃，到變壓器和冷卻系統。

對 NVIDIA 這類晶片商來說，出貨不是唯一問題。客戶有沒有地方裝、能不能通電，才是下一關。

對雲端服務商來說，情況也一樣。誰能先拿到電力和站點，誰就能先接更多模型和 API 流量。

• 晶片需求會跟著資料中心擴建走
• 電力設備供應鏈也會被拉緊
• 資料中心選址會更像基建決策
• AI 服務價格可能跟基礎設施成本連動

這裡還有一個現實問題。AI 服務越多人用，推理成本就越高。

所以 OpenAI 往上堆算力，不只是為了訓練更大模型。它也在準備長期的服務流量。

背景其實很簡單

過去十年，雲端競爭比的是區域數量和 CDN。現在 AI 競爭比的是電、晶片和冷卻。

這種轉變很粗暴，但很真實。模型越大，對基礎設施的胃口就越大。

而且這不是短期現象。LLM 進入大規模商用後，推理流量會一直吃資源，根本停不下來。

另外，資料中心也不再是單一公司自己蓋完就好。現在通常要拉上電力公司、土地開發商、晶片供應商和雲端合作夥伴一起做。

這種協作模式很慢。可是一旦接上，規模就會很可怕。

接下來看什麼

接下來最值得盯的，不是 OpenAI 會不會再喊更大數字。真正重要的是它能不能把站點、電力和晶片一起落地。

如果後續出現電力合約、土地收購、變壓器訂單，這才算真的進入施工階段。

我會先看三件事。第一是美國哪個州先拿到案子。第二是合作夥伴名單。第三是 GPU 供應能不能跟上。

講白了，AI 公司的下一輪比賽不是誰最會寫模型，而是誰最會蓋電力工廠。這題現在才剛開始。