三个和尚没水喝！Op欧义enAI星际之门搁浅 一年过去压根没动工

OpenAI星际之门，个和搁浅根没惨遭滑铁卢。尚没水喝

2025年1月，星际欧义OpenAI宣布与软银、年过甲骨文组建合资公司，去压要在未来4年豪掷5000亿美元兴建数据中心，动工为OpenAI狂砍10GW算力。个和搁浅根没

一年多过去，尚没水喝这个「天之骄子」的星际最新消息却是：

至今都还没把团队配齐，数据中心压根没开工。年过

不是去压，当时说好的动工「闪电速度」推进呢？？

谁能想到，一度被誉为史上最大规模，个和搁浅根没出道即巅峰的尚没水喝AI基建，竟然陷入了停滞。星际

停滞的星际之门

事实上，宣布后仅仅数周，星际之门的欧义推进就遇上了麻烦。

据《The Information》报道，OpenAI、甲骨文和软银三方在分工和架构安排上分歧不断，几周下来都没敲定具体的领导与协作机制。

这可给奥特曼急坏了。关键OpenAI本来就算力紧缺，好不容易组了个局、投了这么多钱，结果到头来一点动静都没有。

一寻思，还是得靠自己，干脆不管这俩队友，开始筹划自建数据中心，打算直接租赁甚至持有大型数据中心园区。

不过，这一计划最终搁浅。

没办法，数据中心实在太烧钱了，相关项目规模动辄数十亿美元。

OpenAI的商业模式没跑通不说、每年还在消耗数十亿现金，没有机构愿意为这样的项目买单。

折腾几个月，奥特曼发现这也不是个出路。没招，只能回头继续和软银、甲骨文搞星际之门。

即便如此，星际之门内部进展依然不顺。

至今，这个项目仍是OpenAI与软银或甲骨文的单方面合作，三家公司始终没能携手all in。

事实上，OpenAI刚宣布星际之门项目时，马斯克就放话说干不成：

他们没钱。

当时觉得只是一次平凡的「日常互喷」，现在看起来，说不准还真是一语成谶。

不过，也有网友指出，OpenAI并不是因为缺钱才干不成，主要因素还是电网、许可、土地等结构性问题。

另一边，老马在一路狂奔

说句公道话，数据中心建设遇上瓶颈其实可以理解，这是整个行业都在面临的问题。

但谁叫竞争对手实在太成功了？

在这场AI算力马拉松上，当OpenAI还在和队友因谈判扯皮、原地打转时，马斯克已经一路狂奔到快看不见踪影。

xAI第一厂Colossus I。从无到有建成所有配套设施仅用了122天，从第一个机架落地到开始训练任务，只用了19天。

2026年1月，超人马斯克再下一城。Colossus 2，全球首个GW级超算集群，4月还将进一步升级至1.5GW。

更多的增量路线也在布局，最受关注的就是太空算力。

这是老马最近抛出的又一个狂热概念。他觉得在地面建数据中心效率太低，地球只接收到太阳能量的20亿分之一，还受限于土地面积。

从第一性原理出发，他提出太空才是天花板更高的选择：离太阳更近，还不用花钱做液冷。

不过，也有人泼冷水，主要是觉得上太空反而会带来更多问题，短期内账算不清楚：

太空辐射会把GPU计算搞得七零八碎，万一出故障，也不可能让宇航员上去维护。

因此，不少人觉得这又是一场「马式炒作」。

奥特曼最近也在一场活动上直言：

坦率地说，在当前的技术和产业环境下，把数据中心建到太空里的想法相当荒谬。未来或许能行，今天远远没到那个阶段。

无论如何，不得不承认的是，老马的执行效率一如既往的恐怖。

2月初，SpaceX闪电出手收购xAI，靴子落地，在这套太空算力的叙事路线上踏出了第一个脚印。

光把数据中心搬上太空还不够，老马还要把地面上一切能用来计算的东西榨干。

前xAI员工此前在播客上「不小心」说漏嘴：

xAI正考虑付钱给特斯拉车主，租用北美约400万辆特斯拉的闲置算力。

实在有点太科幻了。当OpenAI还在为数据中心发愁时，老马已经把自家硬件玩成了新的AI护城河。

Emm，但建太快了也不是个好事

有个尴尬的事。

数据中心建得慢，投资者受不了；建得太多，居民也扛不住。

这方面，超人速度的马斯克也首当其冲。

xAI的巨硬中心选址离居民区太近，Colossus建成时就遭到大量投诉。

一是现场使用便携式燃气轮机带来的空气污染，二是施工噪音扰民。

随着更多同行和产业伙伴跟进，整体情况正越来越严峻。

美国非营利电网运营商PJM2026年夏天，美国13个州的6700万居民，可能要因数据中心的存在被停电——没空调吹了。

为防止激增的用电需求搞崩发电基础设施，PJM未来可能在极端天气期间，轮流对区域内的居民断电。

这自然引起了当地不少民众的不满。

此前电费就涨了不少，现在倒好，给钱也买不了电，直接拉闸，一切都优先为AI让路。

最近有记者和奥特曼在活动上讨论了关于数据中心能耗和环境污染的问题，还问：

是否可以说一次ChatGPT查询消耗的能量相当于1.5次iPhone电池充电。

奥特曼回应：「绝不可能有那么多。」

他表示，拿「训练一个AI模型所需的能量」去对比「人类完成一次推理所需的成本」，不公平。

培养一个人类同样需要大量能源。你要花大约20年时间成长，摄入食物，才能变得聪明。在此之前，还得经历人类历史上大约1000亿人的演化。

在他看来，更合理的比较方式是：

当模型已经训练完成之后，向ChatGPT提一个问题，它回答这个问题所消耗的能量，与一个人类回答同样问题所需的能量相比是多少？

奥特曼表示，如果按这种口径来衡量，AI在能效方面很可能已经追平，甚至超过了人类。

很赞哦!（58912）