当科技巨头们谈论人工智能（AI）的未来时，一个新单位正悄然进入视野——吉瓦（GW）。这一转变标志着AI产业竞争已从单纯的算法比拼，升级为一场涉及能源、硬件与基础设施的全方位较量。OpenAI与英伟达近期披露的PORTS-Pike项目，揭示了这场变革的冰山一角：在美国俄亥俄州，一座规划容量达8GW的AI数据中心园区正在筹备，其规模相当于一座超大型工业基地的用电需求。
根据项目细节，英伟达将为初期4.25GW的建设提供信用支持，对应部署约150万块GPU。这一数字远超行业此前对AI集群的想象——传统认知中，10万至20万块GPU已属大规模，而百万级部署意味着技术迭代周期将大幅缩短。英伟达测算，仅这一阶段就可能带来1500亿至2000亿美元的收入机会，若合作扩展至16GW，长期市场空间或突破6000亿美元。不过，这一数字并非已签订单，而是基于算力扩张趋势的潜在估值。
AI基础设施的“重工业”属性在此项目中显露无遗。项目规划周期长达20年，需经历多代GPU升级，从当前的Blackwell架构到未来的Rubin等新架构，硬件更新频率堪比智能手机换代周期。但区别在于，AI数据中心的“换心”成本以百亿美元计，涉及土地、电厂、电网、冷却系统等全链条投入。OpenAI透露，首批800MW容量可依赖现有电网，但后续扩张需新建天然气发电设施和输电线路，凸显电力供应已成为AI发展的核心瓶颈。
英伟达的角色演变印证了行业逻辑的转变。从单纯的芯片供应商，到深度参与数据中心设计、资本投资甚至项目融资，其战略重心已转向确保客户具备“买得起、用得上”GPU的全链条能力。例如，英伟达向项目运营方SB Energy投资15亿美元，同时承诺随着算力落地对OpenAI投资最高1000亿美元。这种“捆绑式”合作模式，反映出AI算力市场已进入“得基础设施者得天下”的阶段。
百万级GPU集群的落地，将拉动多层级产业链需求。最直接受益的是GPU本身，作为模型训练与推理的核心设备，其需求将持续增长；其次是HBM高带宽内存与先进封装技术，百万块GPU需配套海量存储资源；高速网络与光通信设备的需求同样激增，150万块GPU的互联需依赖交换机、光模块等基础设施；而电力供应则成为终极制约因素，项目方已明确将天然气发电纳入规划，预示能源行业与AI的融合将加速。
然而，这场狂欢背后隐藏着“算力折旧”风险。与传统基础设施不同，AI数据中心的硬件更新周期可能短至3-5年，远低于电厂30年的使用寿命。这意味着，初期投入的数百亿美元设备可能迅速贬值，迫使运营商持续投入资金升级。OpenAI预计，到2030年累计计算支出将达6000亿美元，其盈利模式能否覆盖如此巨额的资本开支，成为决定行业可持续性的关键问题。
资本市场对AI的投资逻辑已悄然改变。过去两年，投资者聚焦于大模型性能比拼；如今，电力储备、数据中心规模、硬件供应链掌控力等“硬指标”正成为新的关注点。这种转变预示着，AI竞争正从“软件战争”升级为“工业基础设施战争”，其规模可能堪比20世纪的铁路、电网与高速公路建设潮。PORTS-Pike项目的百万GPU计划，不过是这场全球算力军备竞赛的序章。
