4月9日，OpenAI正式宣布暂停其在英国的“星际之门”人工智能基础设施项目，这一消息立刻引发了行业内对AI大规模落地过程中成本与政策环境问题的关注。据该公司声明，暂停的核心原因集中在能源成本与监管环境两方面——尽管OpenAI依然看好英国AI产业的长期潜力，但当前条件还不足以支撑如此大规模的基础设施投资。
“星际之门”本是为支撑下一代大模型训练打造的超算集群，对技术的要求包括高密度GPU算力、低延迟网络以及稳定的电力供应。行业数据显示，训练一个GPT-3级别的模型大约要消耗1.28太瓦时电能，这相当于1000户英国家庭一年的用电量；如果“星际之门”集群用上10000块NVIDIA H100 GPU（每块功耗700W），单是计算设备的功耗就达到7MW，再加上冷却系统，总功耗会突破10MW。
能源成本的差异是关键瓶颈。英国能源监管局Ofgem 2024年第一季度的数据显示，英国工业用电均价约0.18英镑/千瓦时，而美国得克萨斯州同期的工业电价仅约0.065英镑/千瓦时（由0.08美元/千瓦时换算而来）。按10MW的日功耗计算，英国每天的电费大约是4.32万英镑，一年下来超过1570万英镑，比得州高出3倍多。对于需要持续高算力支持的AI项目来说，这样的成本差距几乎无法承受。
监管环境的不确定性则进一步加大了决策难度。英国《人工智能法案》目前还在议会审议阶段，针对大型AI模型的合规要求、数据使用规范等核心条款都还没最终敲定。作为全球AI领域的领军企业，OpenAI需要清晰的政策框架来评估长期投资风险，但眼下这种模糊状态让它很难推进项目落地。
这一事件也折射出全球AI基础设施竞争的新趋势——能源成本与政策稳定性已经成为吸引巨头投资的核心因素。美国得州、弗吉尼亚州靠着低廉的电价和宽松的监管，已经成了AI超算集群的热门选址；欧盟那边，爱尔兰、德国则通过可再生能源补贴和明确的AI监管路径，也在积极争夺相关项目。英国要是想重新吸引OpenAI这类企业，就得在降低能源成本和加快监管框架落地这两方面下功夫。
行业最新动态显示，欧盟《人工智能法案》预计2024年第二季度完成最终谈判，届时会对大型语言模型实行分级监管；竞争对手方面，Google DeepMind已经在英国伦敦设有研发中心，还计划扩大本地算力布局，依托Google的全球超算资源，它在能源成本控制上有不小优势；Meta则在爱尔兰都柏林运营数据中心，全部采用可再生能源供电，成本优势很明显。这些动向都说明，AI基础设施的竞争已经进入“成本+政策”双轮驱动的新阶段。
快报