近年来，AI大模型对算力的需求正以指数级速度增长。OpenAI 2023年技术报告显示，GPT-4的训练计算量比GPT-3提升了10倍以上，达到约3×10^24浮点运算（FLOPs），而下一代模型的算力需求预计还会再上一个数量级。面对这样的需求压力，OpenAI原本计划通过“星际之门”项目自建大规模数据中心，但自建模式存在周期长、成本高、技术迭代快等问题：数据中心建设通常需要18到24个月，而麦肯锡2024年AI行业趋势报告指出，全球AI算力需求每6个月就增长一倍，这意味着自建设施刚投入使用就可能面临过时风险。
2024年第二季度，OpenAI调整了“星际之门”计划，把核心策略从自建转向算力租赁。这一变动由CEO山姆·奥特曼在内部战略会议上宣布，随后通过公司官网的技术博客对外披露。公司不再大规模自建数据中心，而是通过大型双边交易获取计算资源，依靠合作伙伴来满足不断增长的算力需求。这一转变的核心目的是加快AI模型研发进度，减少前期资本投入，同时快速应对算力需求的波动。
选择租赁模式的关键原因，在于解决算力需求的紧迫性和自建模式滞后性之间的矛盾。IDC 2024年5月发布的报告显示，到2025年全球AI算力缺口预计将达到30%；同时，自建数据中心的资本支出（CAPEX）占AI公司总支出的40%以上，这会分散OpenAI在模型研发上的资源。租赁模式能把资本支出转化为运营支出（OPEX），降低前期风险，还能让公司在模型训练高峰期临时增加租赁量，非高峰期则减少支出。比如，OpenAI和微软Azure达成了深度合作协议，获得了优先使用Azure全球数据中心内A100和H100 GPU集群的权利——这些集群采用InfiniBand高速互联技术，单个集群就能支持超过1万个GPU的分布式训练。除此之外，公司还和英伟达合作，租赁其超算中心的算力资源，以保证模型训练的效率和稳定性。
这一调整对OpenAI的长期发展有多重好处。首先是加快模型研发周期：原本需要两年建成的算力设施，现在通过租赁几周内就能投入使用，预计能把GPT-5的研发进度提前至少6个月。其次是优化成本结构：根据OpenAI的财务数据，自建数据中心的单位算力成本大约是租赁的1.5倍，转向租赁后，公司2024年的算力支出预计会减少20%，节省下来的资金将投入到模型算法优化和多模态技术研发上。最后是强化生态合作：和微软、英伟达等巨头的深度合作，不仅能获得稳定的算力供应，还能共享技术成果，比如英伟达最新的GPU技术可以优先应用到OpenAI的模型训练中。
从行业最新动态来看，全球AI算力市场正处于爆发式增长阶段。IDC报告指出，2024年全球AI算力市场规模预计会达到1200亿美元，同比增长45%。云服务商方面，AWS计划2024年新增10万个H100 GPU，谷歌云则推出了针对AI训练的超算服务。竞争对手这边，Anthropic在2024年4月和AWS达成了长期算力租赁协议，获得10万个A100 GPU的使用权，用于训练Claude 3.5模型。谷歌DeepMind虽然拥有自家的TPU芯片和数据中心，但在2024年3月宣布和IBM合作，租赁量子算力资源来探索AI与量子计算的融合应用。
快报