OpenAI 基礎設施支出：Bernstein 估計 2030 年前低於 7,500 億美元
據報 Bernstein 估計，OpenAI 到 2030 年的基礎設施支出總額或達 6,140 億美元，低於廣泛流傳的 7,500 億美元數字。這個較小的數字附帶一項重要前提：已識別的合約須按時推進。
36Kr 於 11 月 8 日的報道引述新浪財經，指 Bernstein 分析師 Mark Moerdler 是這項估計的作者。本報道期間未能取得原始分析報告以作獨立查閱。因此，這項發現應視為有來源歸屬的估計，而非經審計的支出時間表。
核心張力在於已公布承諾與以已交付產能為基礎的付款之間。Microsoft、Amazon 及 Oracle 均出現在 OpenAI 擴展基礎設施的佈局中，但其公告所描述的是不同安排及不同時段。較低的估計並不代表 OpenAI 已取消項目、取得節省，或降低其運算雄心。
OpenAI 基礎設施支出估計實際上說了甚麼
據報 Bernstein 的估計描述的是附帶條件的支出路徑，而非 OpenAI 預算已確認下調。
根據已披露的基礎設施支出估計，已公布的運算合作關係意味著，到 2030 年累計基礎設施支出約為 6,140 億美元。報道稱，工程延誤、取消項目及硬件採購調整，均可能減少或延後實際付款。
這項分別改變了新聞的意義。分析師根據已識別合約作出的重建，與公司宣布已修訂其財務計劃，並不是同一回事。現有報道支持前者的描述，並未證實後者。
兩個焦點數字相差 1,360 億美元，按兩個報告總額計算約為 18%。這個比較顯示分歧的規模，但未能說明估計為何不同，也無法證明兩項計算涵蓋完全相同的責任。
在把差距視為節省之前，讀者需要可對照的定義。兩項估計須採用相同起始日期、合約涵蓋範圍、可選購項目的處理方法，以及交付假設。缺少這些細節，兩者仍只是邊界披露不完整的數字之比較。
「截至」一詞同樣重要。截至 2030 年的累計估計，衡量的是既定窗口內的支出；它未必涵蓋在該日期後仍持續的協議所涉及的所有付款。
因此，工程延誤可降低窗口內的總額，卻不一定降低最終合約賬單。相反，取消項目可以減少最終賬單，同時亦會移除 OpenAI 原先預期使用的產能。即使兩者都令短期數字較小，所帶來的商業後果卻不同。
報道的假設顯示，這既是時程故事，也是支出故事。OpenAI 的運算承諾描述未來獲取資源的權利；付款則取決於個別協議如何把這種存取轉化為財務責任。
缺少原始報告限制了進一步結論。公開摘要未提供完整的合約清單、付款日程，或與較大基準數字的對賬；它亦未能確定每項已識別協議是否獲得相同處理。
最可辯護的解讀很狹窄：據報 Bernstein 在其建模假設下，把已披露承諾置於普遍引用基準之下。這挑戰了簡單的焦點數字比較，卻仍留下融資、交付及商業層面的問題。
已公布產能與現金付款遵循不同時間線
基礎設施公告較容易衡量雄心，卻較難衡量客戶現金流出的時間。
OpenAI 在 2025 年 9 月 23 日公布的 Stargate 擴展計劃說明了這項分別。公司描述近 7 吉瓦的計劃產能，以及三年內超過 4,000 億美元的投資。吉瓦衡量的是電力容量，而非運算效能或支出。
該公告確立了 OpenAI 及其合作夥伴計劃開發的規模，但本身並不能證明 OpenAI 在同一期間須直接支付等額款項。項目投資與客戶支出需要分開核算。
一個數據中心涉及多種經濟關係。開發商可為建築融資，雲端服務供應商可安裝設備，而客戶可購買服務。它們的公告可以指向同一設施，同時描述不同的財務交易。
若未核實其關係便將這些數字相加，會有重複計算的風險。建築的投資價值與服務協議的價值，並不會自動成為行業支出總額中彼此獨立的新增項目。兩者都不應從分析中消失，但各自需要有明確的位置。
時程增加了另一層複雜性。項目公告可早於可用運算產能相當長的開發期。土地、電力接駁、設備安裝及營運驗收，分屬流程中不同階段。
就分析而言，關鍵問題是每個階段何時改變付款責任。某些安排可要求在設施投入營運前作出承諾；其他安排則可能把付款與可用性或服務交付更緊密地連結。這份簡短報道沒有披露 Bernstein 模型中各項安排的相關條款。
這使人無法簡單地得出「工程延誤必然帶來財務紓緩」的結論。延誤可能推遲部分付款，但保留其他責任；它亦可能迫使客戶另覓替代產能。
硬件安排帶來類似的不確定性。服務供應商可在客戶開始使用服務前購買設備。客戶的長期承諾可支持該採購，卻未必在時間上逐美元一致。
這些分別解釋了為何基於合約的預測需要的不只是公告檔案。它還需要針對交付里程碑、服務開始、設備更新及合約彈性的假設。這些假設可在不改變基本擴展策略下，令支出在不同年份之間轉移。
因此，對追蹤 OpenAI 基礎設施支出的讀者而言，有用的比較應在定義一致的時間表之間進行。較大的公告總額不會自動意味著較大的即時賬單；較小的模型總額亦不會自動意味著部署效率更高。
報道工作的任務，是連結承諾、建設、可用產能及付款。它們各自回答擴展是否按原定計劃推進的不同問題。
雲端合作夥伴面對同一交付考驗的不同版本
OpenAI 與其基礎設施合作夥伴都有擴展的共同利益，但承受的財務風險並不完全相同。
Microsoft 於 2025 年 10 月 28 日公布的 Azure 服務協議稱，OpenAI 已簽約額外採購 2,500 億美元 Azure 服務。協議亦取消了 Microsoft 作為 OpenAI 運算供應商的優先承購權。
這項歷史披露有助解釋目前討論中承諾的規模，但未提供完整的現行付款日程，也未能確定其中多少金額落在 Bernstein 的建模期間內。
Amazon 擴展後的運算合作關係則描述另一種結構。它在原有 380 億美元協議上，於八年內增加 1,000 億美元，並包括約 2 吉瓦 Trainium 產能。Trainium 是 Amazon 為 AI 工作負載設計的晶片系列。
八年期限讓會計問題變得具體。整份協議的價值不能簡單地全部放進截至 2030 年的總額。分析師須根據合約條款或清楚說明的假設，把它分配至相關年份。
供應鏈內的商業誘因亦各不相同。OpenAI 希望取得可用的運算資源，以支援其產品和研究；基礎設施供應商則希望需求足以支持設備、設施及融資承諾。
供應商即使擁有具商業吸引力的協議，仍可能面對執行風險。建設、設備供應及客戶驗收，均會影響項目何時開始帶來收入。單靠合約價值無法解答這些問題。
OpenAI 面對相應的營運問題。即使延誤把付款推遲至較後時期，遲來的產能仍可能干擾計劃中的工作負載。較寬裕的支出日程，可以與較緊張的產品日程並存。
這正是為何應逐一檢視供應商風險。多元化的雲端業務、專門的運算供應商及項目開發商，均可參與同一輪擴展；它們吸收延誤或重新配置資源的能力可以不同。
這項觀察並不證明任何具名供應商承受過高風險。它指出評估風險所需的資訊：交付條件、客戶集中度、融資安排，以及資產的替代用途。
與 Anthropic 的比較亦應放在這裏，以同一交付框架進行。今年 4 月，Anthropic 的運算擴展計劃描述多達 5 吉瓦的新 AWS 產能，以及十年內超過 1,000 億美元的承諾。Anthropic 亦承認基礎設施壓力正影響可靠性及效能。
相關的對比是競爭實驗室之間的合約規模與營運結果。單獨看任何一家公司公布的總額，都不足以證明其經濟效益更佳或服務更強。兩者都必須把未來產能轉化為客戶持續使用的可靠產品。
靈活性改變時程，卻不會消除風險
更多採購運算產能的選項可提升韌性，同時令支出預測更難對賬。
OpenAI 於 2026 年 4 月 27 日公布的雲端合作夥伴關係修訂指出，Microsoft 仍是其主要雲端合作夥伴；公告亦稱，OpenAI 可在任何雲端服務供應商上提供全部產品，但須受公告所列安排規限。
這項修訂之所以重要，是因為基礎設施分析必須納入協議變動。曾經準確反映較早期合作關係的描述，在各方修訂條款後可能變得不完整。歷史合約披露仍然有用，但需要附上日期背景。
原則上，擴闊採購來源的營運好處很直接。有更多潛在供應商的公司，便有更多方法應對短缺，或把工作負載配對至可用資源。這些選項能否帶來財務效益，則取決於實際合約及工作負載。
轉移工作並不會自然而然變得輕鬆。不同的硬件及軟件環境可能需要工程調整、測試及營運支援。理論上的替代方案，只有在工作負載能以可接受的方式運行時才有價值。
這是供應商多元化的一項分析性含義，而非證明 OpenAI 曾遇到某個特定遷移問題。公開的支出摘要並未披露此類問題，也沒有量化遷移成本。
採購彈性同樣需要審慎看待。獲准調整硬件訂單，只有在協議條件範圍內才有價值。這並不代表整項支出承諾可以自由取消。
降低成本與延後成本之間亦有分別。一家公司可以將付款延至預測期之後，同時仍保留該項義務；也可以削減採購，但犧牲原先預期的產能；又或者以另一項安排取代原有安排，而成本在其他地方反映。
因此，較小的估算數字存在歧義。視乎成因而定，它可能反映條款改善、交付放緩、範圍改變，或採用不同的計量邊界。報道的總額並未指出哪種解釋最具主導性。
因此，值得質疑的是模型有否捕捉每項調整的全部經濟後果。若延遲的項目需要暫時替代產能，單看原來的付款時間表，並不足以描述完整結果。
新協議可能令情況更複雜。以已識別合約建立的模型，必然受限於資料截至日期。即使現有項目延遲落成，未來採購仍可能令支出高於該快照所反映的水平。
這一切並不會否定以合約為基礎的模型，而是界定這類模型能夠證明甚麼。它可以把已披露的承諾整理成有條件的預測，卻不能保證未來決策、建設進度或產品需求會依照假設路徑發展。
因此，OpenAI 的算力承諾應被視為持續演變計劃的輸入因素。最有力的分析，應解釋範圍及時間上的變化，而不是把每次修訂後的總額都當作對整項業務的定論。
企業買家需要交付證據，多於一個支出總額
對客戶而言，實際問題是基礎設施投資能否帶來穩定可靠、具實用價值的 AI 服務存取。
報道中的估算並不能證明 OpenAI 會更改訂閱條款、限制特定產品，或延遲模型發布。這些結論需要獨立證據。基礎設施支出與服務交付有關，但不能取代產品層面的披露。
以一個評估用於內部工程工作的 AI 助手的軟件團隊為例。其決定取決於回應質素、可用性、資料控制及與現有系統的整合。一項累計基礎設施預測，無法直接回答這些問題。
當支出故事改變團隊對產能的假設時，才會變得相關。如果存取變得不穩定，團隊可能需要備援安排；如果新增資源提升可靠性，團隊便可能更放心將重複性工作交予該服務。
這些是假設性例子，並非關於特定 OpenAI 客戶體驗的報告。它們說明基礎設施執行如何影響工作場所，而不假定已承諾的金額與產品質素之間存在直接關係。
同樣的區分亦適用於企業知識應用。推論，即運行已訓練模型以產生答案的過程，會在使用期間消耗運算資源。服務不但要支援這種持續需求，亦要支援未來模型背後的研究工作。
因此，一家公司可能同時面對研究擴張及客戶採用所帶來的不同壓力。一項新設施是否相關，部分取決於它支援哪些工作負載。整體支出數字並不能揭示這種分配。
買家亦應區分供應商投資與自己可獲得的合約保障。基礎設施合作關係不會自動加強客戶的服務承諾、資料處理條款或復原安排。這些保障應納入客戶自身的評估。
當工作流程開始依賴單一模型服務時，這一點尤其重要。營運上的關注在於延續性：組織能否保留其原始資料、了解其依賴關係，以及在服務無法使用時復原。
對於建立 AI 知識庫 的團隊而言，這意味著應把資訊組織視為獨立於模型選擇的決策。基礎設施新聞可以協助監察供應商，但不應取代對團隊如何儲存及檢索工作知識的評估。
這一區分亦令支出討論保持恰當比例。較低的預測並不必然對每位客戶都是好消息，關鍵在於變化反映的是效率提升、產能延遲，還是減少投資於客戶所需的資源。
同樣地，更大的承諾也不保證帶來更佳體驗。買家仍需要來自實際服務及其擬運行工作負載的證據。當基礎設施規模支援可靠而實用的工作時，才具有商業意義。
OpenAI 的基礎設施支出值得關注，因為它塑造了這些服務背後的資源。其實際重要性將透過交付及表現而浮現，而非只由新聞標題中的總額決定。
留意產能交付、供應商披露及可用需求
接下來的證據應依次連繫實體交付、財務報告及客戶使用情況。
未來一至三個月，第一個訊號是可用產能的具體更新。場址公告、建設里程碑及營運部署描述的是不同階段。報道應清楚說明實際改變的是哪一個階段。
若有證據顯示計劃中的資源已可供使用，將提升外界對支出時間表背後交付假設的信心。進一步延誤則會削弱這些假設，但其財務影響仍取決於合約條款。
最有用的更新，是把項目連繫至明確的服務啟用時間或工作負載。沒有這種連繫，另一個龐大產能數字或許會為敘事增加規模，卻仍未解決付款問題。
第二個訊號是基礎設施供應商披露更多細節。財務披露及業績討論有助區分已簽署承諾、已交付服務及預期未來收入。任何比較都需要一致的定義及明確的報告期間。
供應商報告已簽約需求增加，本身並不能證明 OpenAI 已支付相應款項。同樣，設施上的支出也不能證明所有已安裝資源均可即時供客戶使用。
能夠強化分析的，是在這些階段之間建立更清晰的橋樑。讀者應留意有關產能何時投入服務，以及這如何影響財務確認的說明。針對特定合約的證據，會比再次重述整體協議價值更有用。
若供應商披露修訂後的時間表，分析師應說明哪些年份受到影響，以及最終義務是否也會改變。這有助判斷較低的短期總額代表延期、取消，還是修訂後的商業安排。
第三個訊號是可用需求：已交付的基礎設施能夠持續支援的客戶活動。產品存取、可靠性披露及可信的採用證據都很重要，因為基礎設施最終必須支援客戶重視的工作。
採用數字同樣需要審慎解讀。用戶增長並不自動證明有盈利能力，工作負載增加也不會揭示其服務成本。最有力的證據，會把採用情況與可靠交付及改善中的營運經濟效益連繫起來。
融資公告可以支援擴張，但融資本身並不能證明設施正在運作，或服務在經濟上可持續。每一項證據都應回答其自身的問題。
這些訊號可令所報道的 Bernstein 結論更清晰，而毋須倉促下定論。交付證據測試時間表；供應商披露測試財務轉換；客戶使用情況測試資源是否支援可持續業務。
追蹤 OpenAI 的基礎設施支出時，應把這些問題分開處理。當出現另一項承諾時，檢查其期限、條件及與早前公告的關係。當項目延誤時，問清楚付款是否延後、義務是否減少，或是否需要替代產能。當產品擴展時，尋找客戶能否可靠使用的證據。把按日期排列的披露資料放在一起，以免修訂條款被舊有新聞標題掩蓋。報道的 6,140 億美元估算，為讀者提供了重新檢視算術的有用理由。下一步是追蹤把協議連繫至營運資源及實用服務的證據。下一項即將公布的披露，將會令這種連繫更清晰？
