3GW/90 天：一个令人窒息的建设速度
2026 年 4 月，OpenAI 公布了一组令人震惊的数字：在过去 90 天内，Stargate 项目新增的算力超过了 3GW。3GW 是什么概念？一个中型城市的全部电力消耗，大约就是 2 -3GW。OpenAI 在 90 天内增加的 AI 算力，足以支撑一个中型城市的全部用电需求——而这一切，都用来训练和运行 AI 模型。
这个建设速度，在基础设施领域几乎前所未有。作为对比，一座传统的大型数据中心，从规划到建成通常需要 2 - 3 年；即使是最快的模块化数据中心方案，也需要 6 -12 个月。而 OpenAI 在 90 天内就增加了 3GW 的算力，这意味着它使用了一种全新的、高度模块化和标准化的建设方式。
Stargate 项目是 OpenAI 与软银、甲骨文等合作伙伴共同推进的大型 AI 基础设施建设项目。该项目最初设定的目标是 10GW，而 OpenAI 已经提前超过了这个目标。根据 OpenAI 的披露，GPT-5.5 已经在德克萨斯州阿比林站点完成训练——这意味着 Stargate 项目的算力，已经开始产生实际的模型训练成果。
算力军备竞赛的经济学分析
OpenAI 的 Stargate 项目，是当前全球 AI 算力军备竞赛的一个缩影。在这场竞赛中，OpenAI、Anthropic、谷歌、Meta 等 AI 巨头，以及微软、亚马逊、谷歌等云服务巨头，都在以史无前例的速度和规模建设 AI 算力基础设施。
从经济学角度分析，这场算力竞赛的核心逻辑是：AI 模型的训练成本，随着模型规模的增大呈指数级增长。而 AI 模型的能力提升，也大致与训练计算量成正比。这意味着，要想训练出更强大的模型，就必须投入指数级增长的算力。这就形成了一个「算力投入→模型能力→商业价值→更多算力投入」的飞轮效应。
但飞轮不可能永远高速运转。当前最紧迫的制约因素，不是资金（AI 巨头们有充足的资本支持），不是技术（GPU/TPU 的性能仍在快速提升），而是电力。3GW 的 AI 算力，需要消耗大约 1 -1.5GW 的电力（加上冷却和其他配套设施的消耗）。建设这样的电力供应能力，需要新的发电站、新的输电线路、新的变电站——这些基础设施的建设周期，远远超过 GPU 服务器的部署速度。
全球电力体系面临的挑战
AI 算力的爆发式增长，正在对全球电力体系施加前所未有的压力。根据国际能源署（IEA）的估计，到 2026 年底，全球 AI 数据中心的总耗电量，可能超过许多中等国家的全国用电量。这种增长趋势，如果持续下去，将在 5 -10 年内对全球电力供需平衡产生实质性影响。
电力体系面临的挑战，不仅仅在于总量的不足，更在于分布的不匹配。AI 算力中心需要建设在电力供应充足、冷却条件良好、网络连接便捷的地方。但目前，很多电力供应充足的地方（如偏远的水电站、风电场），并不满足网络连接和冷却条件；而网络条件好的地方（如大城市周边），电力供应和土地资源又非常紧张。这种结构性矛盾，正在成为 AI 算力扩张的主要瓶颈。
更令人担忧的是碳排放问题。虽然很多 AI 巨头都承诺使用 100% 可再生能源，但现实是，在电力供应紧张的背景下，很多 AI 算力中心不得不依赖化石能源发电。如果 AI 产业的碳排放持续增长，将在全球碳中和目标的实现过程中，成为一个不可忽视的挑战。
核能复兴？AI 算力的能源解法
面对电力挑战，一种越来越受关注的可能性是：核能。2026 年，微软、亚马逊、谷歌等科技巨头，都宣布了与核能企业的合作计划。微软甚至直接投资了一家小型模块化核反应堆（SMR）公司。
核能的优势在于：能量密度极高、碳排放为零、可以稳定持续供电（不像风能和太阳能那样受天气影响）。小型模块化核反应堆（SMR）的兴起，更使得核电站的建设周期和成本大幅降低。根据目前的规划，一个标准 SMR 的发电能力在 50-300MW 之间，刚好可以满足一个中型 AI 算力中心的电力需求。
但核能也面临着重重障碍：安全风险（公众对核能的恐惧）、监管审批（核电站的审批流程极其漫长）、废料处理（核废料的安全存储仍是一个未解之题）。这些问题，不是短期内能够解决的。因此，核能最多只是 AI 算力能源方案的一个补充，而不是全部。
中国的算力基础设施建设：另一条路径
在这场全球算力竞赛中，中国走的是一条与欧美不同的路径。OpenAI 的 Stargate 项目依赖的是集中式的大型算力中心，而中国的算力基础设施建设，更强调「东数西算」式的分布式布局——把算力需求集中在东部沿海地区，把算力设施建设在西部电力充沛地区，通过高速网络连接。
这种分布式布局的优势在于：可以更好地利用西部地区丰富的可再生能源（如水电、风电、光伏），降低电力成本和碳排放。劣势在于：数据传输的延迟和带宽限制，可能影响某些对实时性要求极高的 AI 应用。
此外，中国还在积极推进国产 AI 芯片的部署。华为昇腾、寒武纪等国产芯片，虽然单卡性能与英伟达的最新 GPU 还有差距，但在成本控制、供应链安全等方面具有独特优势。如果 DeepSeek V4 等模型在国产芯片上的运行效率持续提升，中国可能走出一条「够用就好、成本优先」的算力建设路径。
无论走哪条路径，一个共同的结论是：AI 算力基础设施建设，已经成为决定未来 AI 产业竞争格局的关键变量。谁能在算力、电力、网络三个维度上实现最优平衡，谁就能在 AI 军备竞赛中占据有利位置。
