OpenAI星際之門，慘遭滑鐵盧。

2025年1月，OpenAI宣布與軟銀、甲骨文組建合資公司，要在未來4年豪擲5000億美元興建數據中心，為OpenAI狂砍10GW算力。

一年多過去，這個「天之驕子」的最新消息卻是：

至今都還沒把團隊配齊，數據中心壓根沒開工。

不是，當時說好的「閃電速度」推進呢？？

誰能想到，一度被譽為史上最大規模，出道即巔峰的AI基建，竟然陷入了停滯。

停滯的星際之門

事實上，宣布后僅僅數周，星際之門的推進就遇上了麻煩。

據《The Information》報道，OpenAI、甲骨文和軟銀三方在分工和架構安排上分歧不斷，幾周下來都沒敲定具體的領導與協作機制。

這可給奧特曼急壞了。關鍵OpenAI本來就算力緊缺，好不容易組了個局、投了這么多錢，結果到頭來一點動靜都沒有。

一尋思，還是得靠自己，干脆不管這倆隊友，開始籌劃自建數據中心，打算直接租賃甚至持有大型數據中心園區。

不過，這一計劃最終擱淺。

沒辦法，數據中心實在太燒錢了，相關項目規模動輒數十億美元。

OpenAI的商業模式沒跑通不說、每年還在消耗數十億現金，沒有機構愿意為這樣的項目買單。

折騰幾個月，奧特曼發現這也不是個出路。沒招，只能回頭繼續和軟銀、甲骨文搞星際之門。

即便如此，星際之門內部進展依然不順。

至今，這個項目仍是OpenAI與軟銀或甲骨文的單方面合作，三家公司始終沒能攜手all in。

事實上，OpenAI剛宣布星際之門項目時，馬斯克就放話說干不成：

他們沒錢。

當時覺得只是一次平凡的「日常互噴」，現在看起來，說不準還真是一語成讖。

不過，也有網友指出，OpenAI并不是因為缺錢才干不成，主要因素還是電網、許可、土地等結構性問題。

另一邊，老馬在一路狂奔

說句公道話，數據中心建設遇上瓶頸其實可以理解，這是整個行業都在面臨的問題。

但誰叫競爭對手實在太成功了？

在這場AI算力馬拉松上，當OpenAI還在和隊友因談判扯皮、原地打轉時，馬斯克已經一路狂奔到快看不見蹤影。

xAI第一廠Colossus I。從無到有建成所有配套設施僅用了122天，從第一個機架落地到開始訓練任務，只用了19天。

2026年1月，超人馬斯克再下一城。Colossus 2，全球首個GW級超算集群，4月還將進一步升級至1.5GW。

更多的增量路線也在布局，最受關注的就是太空算力。

這是老馬最近拋出的又一個狂熱概念。他覺得在地面建數據中心效率太低，地球只接收到太陽能量的20億分之一，還受限于土地面積。

從第一性原理出發，他提出太空才是天花板更高的選擇：離太陽更近，還不用花錢做液冷。

不過，也有人潑冷水，主要是覺得上太空反而會帶來更多問題，短期內賬算不清楚：

太空輻射會把GPU計算搞得七零八碎，萬一出故障，也不可能讓宇航員上去維護。

因此，不少人覺得這又是一場「馬式炒作」。

奧特曼最近也在一場活動上直言：

坦率地說，在當前的技術和產業環境下，把數據中心建到太空里的想法相當荒謬。未來或許能行，今天遠遠沒到那個階段。

無論如何，不得不承認的是，老馬的執行效率一如既往的恐怖。

2月初，SpaceX閃電出手收購xAI，靴子落地，在這套太空算力的敘事路線上踏出了第一個腳印。

光把數據中心搬上太空還不夠，老馬還要把地面上一切能用來計算的東西榨干。

前xAI員工此前在播客上「不小心」說漏嘴：

xAI正考慮付錢給特斯拉車主，租用北美約400萬輛特斯拉的閑置算力。

實在有點太科幻了。當OpenAI還在為數據中心發愁時，老馬已經把自家硬件玩成了新的AI護城河。

Emm，但建太快了也不是個好事

有個尷尬的事。

數據中心建得慢，投資者受不了；建得太多，居民也扛不住。

這方面，超人速度的馬斯克也首當其沖。

xAI的巨硬中心選址離居民區太近，Colossus建成時就遭到大量投訴。

一是現場使用便攜式燃氣輪機帶來的空氣污染，二是施工噪音擾民。

隨著更多同行和產業伙伴跟進，整體情況正越來越嚴峻。

美國非營利電網運營商PJM2026年夏天，美國13個州的6700萬居民，可能要因數據中心的存在被停電——沒空調吹了。

為防止激增的用電需求搞崩發電基礎設施，PJM未來可能在極端天氣期間，輪流對區域內的居民斷電。

這自然引起了當地不少民眾的不滿。

此前電費就漲了不少，現在倒好，給錢也買不了電，直接拉閘，一切都優先為AI讓路。

最近有記者和奧特曼在活動上討論了關于數據中心能耗和環境污染的問題，還問：

是否可以說一次ChatGPT查詢消耗的能量相當于1.5次iPhone電池充電。

奧特曼回應：「絕不可能有那么多。」

他表示，拿「訓練一個AI模型所需的能量」去對比「人類完成一次推理所需的成本」，不公平。

培養一個人類同樣需要大量能源。你要花大約20年時間成長，攝入食物，才能變得聰明。在此之前，還得經歷人類歷史上大約1000億人的演化。

在他看來，更合理的比較方式是：

當模型已經訓練完成之后，向ChatGPT提一個問題，它回答這個問題所消耗的能量，與一個人類回答同樣問題所需的能量相比是多少？

奧特曼表示，如果按這種口徑來衡量，AI在能效方面很可能已經追平，甚至超過了人類。