OpenAI 佐治亚州数据中心计划将其算力押注提高至 7500 亿美元

OpenAI 承诺投入 200 亿美元，启动一座位于佐治亚州的大型数据中心，同时据报道将其到 2030 年的预计算力支出提高至约 7500 亿美元。OpenAI 佐治亚州数据中心最终将消耗 3.2 吉瓦电力，使电力获取成为该公司战略的核心组成部分。

该项目名为 Project Camellia，将坐落于埃芬汉县萨凡纳附近。OpenAI 预计 Georgia Power 将在 2028 年至 2032 年间分阶段供电。数百兆瓦电力可能在 2028 年内投入使用，但整个园区还需要更长时间才能完工。

这并非又一座租赁的云设施。OpenAI 将主导该站点的设计与开发，因此拥有比合作伙伴运营园区更直接的控制权。这一转变使该公司直面一个棘手的对手：其基础设施承诺的扩张速度，正超过能够证明其长期经济效益的证据积累速度。

OpenAI 佐治亚州数据中心以 3.2 吉瓦起步

Project Camellia 将使 OpenAI 从主要云服务客户转变为美国拟建规模最大的 AI 园区之一的主导开发商。

OpenAI 于 2026 年 7 月 22 日宣布该项目。该站点计划建于埃芬汉县现有的工业分区开发项目 Savannah Gateway Industrial Hub。这一选址使园区靠近萨凡纳，而非佐治亚州亚特兰大和奥古斯塔周边成熟的数据中心集群。

该公司已与 Georgia Power 签约，获得 3.2 吉瓦电力。根据 OpenAI 的社区承诺，供电将在 2028 年至 2032 年间分阶段进行。一吉瓦相当于十亿瓦电功率，也体现了该园区设想中的最大规模。

OpenAI 已承诺投入 200 亿美元启动开发。其算力战略副总裁 Sachin Katti 表示，项目完工可能需要超过 300 亿美元。这个更高的估算反映了初始承诺与建设完整园区总成本之间的差额。

该站点最终会呈现何种形态仍未确定。OpenAI 已经取得土地，但仍在挑选负责建设和运营该设施的合作伙伴。该公司尚未公开说明建筑数量、建筑尺寸或最终的芯片配置。

这些缺失的细节十分重要，因为 3.2 吉瓦代表的是合同约定的电力，而非实际运行的计算能力。发电、扩建输电基础设施、建造建筑以及安装服务器是彼此独立的流程。任何阶段出现延误，都可能导致已签约的电力容量无法用于 AI 工作负载。

Project Camellia 也标志着 OpenAI 运营模式的转变。在其他站点，该公司通常向 Oracle 和 Amazon Web Services 等供应商租用计算能力。而在佐治亚州，OpenAI 计划主导设计和开发，同时选择另一家公司负责建设和运营。

这种安排让 OpenAI 对电力系统、冷却、网络和部署进度拥有更大影响力，同时也让该公司更直接地面对许可、融资、施工和社区关系等问题。今后出现问题时，已不能再将责任完全归咎于云服务出租方。

OpenAI 表示，该园区将采用闭环冷却系统，通过循环利用水资源，避免持续取水和排水。该公司声称，其日常用水需求将与容纳相同员工人数的办公楼相近。这一说法尚未在整个园区的规模下得到独立验证。

在电力方面，OpenAI 也作出了类似承诺。该公司表示，佐治亚州家庭不会为该项目提供补贴，所需基础设施和服务成本将由其自行承担。据该公司称，Georgia Public Service Commission 的规则禁止将项目专项成本转嫁给现有客户。

该园区的设计还包括在需求高峰期降低用电量。行业报道指出，这种灵活需求响应最多可覆盖一吉瓦。灵活需求响应是指大型客户暂时减少用电，以缓解电网压力。

除这些公用事业承诺外，OpenAI 还配套推出了规模达 8000 万美元的社区福利计划。拟议用途包括学校、公共安全、医疗保健、劳动力培训、住房、退伍军人服务和小企业支持。该公司还承诺为佐治亚州符合条件的院校学生提供最高 7100 万美元的 Codex 额度。

这些举措表明，电力和当地社区的认可已经成为 AI 基础设施规划中不可分割的组成部分。签署电力协议能够确保项目具备技术基础，却无法保证监管审批、施工进展或持久的政治支持。

因此，Project Camellia 构成了本文的核心矛盾。OpenAI 正在相关工作负载出现的数年前锁定资源，其依据是对未来需求和模型发展的预期。只有当这些预期在相关义务变得难以承受之前转化为持续收入时，该园区才能取得成功。

OpenAI 为何上调算力支出预测

据报道，从约 6000 亿美元跃升至约 7500 亿美元，反映了新的云服务协议以及一场范围更广的稀缺容量争夺战。

据一位熟悉其预测的人士所提供的信息，OpenAI 目前预计到 2030 年的算力支出约为 7500 亿美元。新估算高于 2026 年早些时候报道的约 6000 亿美元目标。

这一变化十分显著，但这些数字需要谨慎解读。它们描述的是未来数年的预计支出，并非已经支付的现金。其中可能包括云服务、数据中心容量、芯片、网络以及其他具有不同交付时间表的基础设施义务。

2 月，一位熟悉 OpenAI 计划的消息人士告诉 Reuters，该公司预计到 2030 年的算力支出约为 6000 亿美元。此前，Sam Altman 曾谈及 1.4 万亿美元的基础设施承诺，引发了外界担忧。

6000 亿美元这一数字似乎收窄了 OpenAI 的表述范围。它为投资者提供了一个更短的时间跨度，并更清楚地区分了预计支出与更广泛的承诺。五个月后，据报道这一预测已增加约 1500 亿美元。

新的云服务协议有助于解释这一增幅。OpenAI 已与 Oracle 签约，获得六吉瓦的数据中心容量，其中大部分仍在开发中。该公司还扩大了与 Amazon Web Services 的多年协议，并向 Microsoft Azure 作出了额外的云服务承诺。

这些协议代表不同形式的资源获取方式，并非一个统一的建设计划。其中一些涉及租用芯片，另一些则用于预留电力或未来的云容量。OpenAI 佐治亚州数据中心又增加了一种模式：由 OpenAI 主导开发并选择运营合作伙伴。

这种多元化能够降低对任何一家云服务公司的依赖，同时也让 OpenAI 的基础设施组合更难评估。每份合同都可能具有不同的付款条款、利用率要求、交付条件和取消保障。

该公司预留容量，是因为先进 AI 需要大型集群来完成两项不同任务。训练利用庞大的计算资源构建或更新模型。推理则在用户发送提示词、生成媒体内容或将工作委派给智能体时运行这些模型。

随着使用量增长，即使单次请求的成本下降，推理总成本仍可能上升。更低的成本能够吸引更多用户，并鼓励他们运行更复杂的工作负载。这种效应可能会增加而非减少总需求。

因此，OpenAI 的战略并不只是构建规模更大的训练任务。该公司预计，AI 产品将处理范围更广的周期性工作。编程智能体、研究系统、企业助手和媒体生成工具都可能持续消耗计算资源。

该公司还希望在需求到来之前准备好容量。数据中心无法像普通软件一样下单后迅速交付。发电、输电连接、专用冷却系统和服务器部署都可能需要数年时间。

等待需求得到验证可以降低财务风险，却会带来供应风险。预先锁定电力并安装芯片的竞争对手可以更早训练模型，或服务更多客户。OpenAI 选择承受更大的财务风险，以减轻这种运营约束。

这一决定给整个 AI 供应链带来了压力。云服务供应商必须为与长期合同绑定的建设项目提供融资。公用事业公司必须增加发电和输电能力。芯片制造商必须围绕可能数年后才能投入运营的容量规划生产。

这种压力也会传导至 OpenAI 的客户。基础设施成本最终需要通过订阅、企业合同、广告、开发者使用量或其他服务获得收入支撑。如果需求扩张速度不够快，供应商可能提高使用费、限制高成本功能，或优先服务利润率更高的客户。

J.P. Morgan 在 2026 年 6 月的一份分析中认为，前沿实验室关于实现正现金流的预测具有推测性，并可能被修订。这一警告揭示了所有大型算力预测所面临的问题。

OpenAI 可以提前数年协商电力资源，却无法通过合同保证客户将创造足够的收入来支撑由此形成的容量。从 6000 亿美元迈向 7500 亿美元，使这一差距变得更加不容忽视。

真正的较量是 OpenAI 的雄心与其经济账之间的对抗

OpenAI 押注未来 AI 使用量将快速增长，从而证明在需求、融资和建设尚未确定之前作出的基础设施承诺是合理的。

人们很容易将该项目视为 OpenAI、Anthropic、Google、Meta 和 xAI 之间的又一场竞争。这些公司确实在争夺芯片、电力、工程师和客户。然而，这种比较忽视了更重要的对手。

OpenAI 面临的首要挑战，是将前所未有的基础设施扩张转化为可持续的经济效益。竞争对手可以推迟产品发布，或在基准测试中落败。但在合作伙伴已投入资本后，OpenAI 无法轻易撤销电力合同、施工进度或长期云服务义务。

该公司掌握着能够支撑其信心的证据。据报道，OpenAI 2025 年的收入达到 130 亿美元，高于其此前预计的 100 亿美元。该公司预计，消费者和企业业务将为未来增长作出重大贡献。

然而，收入与基础设施承诺处于截然不同的量级。即使收入快速增长，也不会自动带来正现金流。在推进建设的同时，模型训练、推理、人员配置、数据获取和产品运营仍会持续消耗资金。

推理带来的压力最为持久。与边际交付成本通常较低的传统软件不同，每一位活跃用户都可能产生持续的计算成本。能力更强的模型也可能促使用户使用更长的提示词、进行更深入的推理以及调用更多工具。

智能体强化了这一模式。传统聊天机器人可能以一次回复回答一个请求。智能体则可以跨越许多计算步骤进行搜索、编写代码、检查文件、调用服务，并修改自己的工作成果。

企业采用还会进一步放大工作负载。大型组织可能会将 AI 应用于客户支持、软件开发、文档分析、安全和内部运营。可靠性要求可能需要额外容量、冗余以及低延迟的区域化部署。

因此，OpenAI 的建设目标并不只是支持更多 ChatGPT 对话。它正在为能够在业务流程中反复运行的 AI 系统做准备。如果这一转变发生，今天的数据中心承诺可能会被视为早期容量预留。

如果转变放缓，同样的承诺就会成为负担。客户可能抵触按使用量计费的成本。企业可能会因安全或准确性方面的担忧而限制智能体的使用。效率提升也可能让竞争对手以更少的基础设施处理类似的工作负载。

该公司选择主导 Project Camellia 的设计，又增加了一层复杂性。直接控制可以改善进度安排和技术协调，但也需要云服务提供商历经数十年积累的专业能力。

OpenAI 已招募具备大规模建设经验的管理者。据报道，曾协助监管 xAI 位于孟菲斯的 Colossus 设施的 Brent Mayo 已加入 OpenAI，担任数据中心建设与交付负责人。另一位前 xAI 基础设施高管 Uday Ruddarraju 则负责计算容量。

这些招聘表明了紧迫性，也说明执行工作如今已超越模型研究和软件工程。OpenAI 必须在多个项目中协调公用事业公司、开发商、设备供应商、地方官员和融资合作伙伴。

Stargate 的发展历程解释了其中的原因。Stargate 于 2025 年 1 月宣布，最初设想在四年内对美国 AI 基础设施投资至多 5000 亿美元。其早期架构高度依赖包括 SoftBank 和 Oracle 在内的合作伙伴。

这一计划的发展速度比其醒目标题所暗示的更慢，也更不均衡。此后，OpenAI 转向争取更大程度的内部控制。Project Camellia 是这一调整最明确的体现，因为 OpenAI 拥有土地并主导开发。

这是运营责任上的战略逆转，而非放弃规模扩张。OpenAI 仍然依赖云服务和建设合作伙伴，但现在希望对其容量的设计与交付方式拥有更大的决定权。

竞争对手正在采取各自的路径。Google 可以将模型开发与其云业务、定制芯片及长期运营的基础设施组织结合起来。Amazon 可以将投资分摊到 AWS 客户，同时通过云容量和定制芯片支持 Anthropic。

Microsoft 拥有全球云平台和成熟的企业分销渠道。Meta 利用广告业务产生的现金为 AI 基础设施提供资金。xAI 则强调快速的实体建设，以及模型团队与数据中心运营之间的紧密整合。

OpenAI 缺少其中几项缓冲条件。它既不拥有成熟的公共云，也没有全球广告网络或多元化的消费硬件业务。其基础设施义务更直接地依赖 AI 产品、外部融资和合作伙伴关系。

这并不意味着失败不可避免，但它使执行结果对需求假设异常敏感。OpenAI 必须在大部分预留容量交付之前，同时扩大产品使用量、改善单位经济效益并获得资金。

因此，该公司的预计计算支出实际上是披着预算外衣的战略预测。它预测 AI 将普及到足以支撑工业级基础设施的程度，其规模可与大型公用事业公司和云平台相提并论。

Project Camellia 以实体形式检验这一预测。首批电力预计于 2028 年交付，并计划在 2032 年前完成全部交付。届时，市场将更加了解智能体的采用情况、模型效率以及客户的付费意愿。

而财务承诺会先于这种确定性到来。这种时间差正是核心风险所在。OpenAI 正利用资本和合同提前锁定未来容量，同时依靠产品采用率随后追上。

7500 亿美元预测无法保证什么

不断上升的计算支出预测表明了对容量的需求意愿，但它无法保证融资到位、基础设施建成、需求稳定或社区影响可接受。

第一个不确定性在于，7500 亿美元的估算是否代表一项稳定的计划。OpenAI 公开讨论的基础设施数字已经多次变化。不同数字可能涵盖不同的时间段、协议以及计算支出定义。

这使直接比较变得困难。长期承诺可能包括附带条件的付款或尚未建成的容量。随着合同、融资、产品需求或交付计划发生变化，支出预测也可能改变。

因此，据报道从 6000 亿美元上调的数字应被视为当前的内部预期，而非经过审计的负债明细。OpenAI 尚未公布支持这一总额的完整逐合同细目。

第二个不确定性是融资。OpenAI 表示 Project Camellia 将由私人资金支持，但该公司尚未详细说明园区的资本结构。目前，它仍在选择负责建设和运营该园区的实体。

完整园区的成本可能超过 300 亿美元。OpenAI 最初承诺的 200 亿美元，并未明确剩余资本由谁提供、风险如何分配，或资金何时到位。

云服务提供商和基础设施合作伙伴可以为部分开发提供融资，投资者也可以提供股权或债务资金。然而，每一种安排都只是转移经济负担，而非将其消除。

第三个不确定性是电网交付。Georgia Power 已同意在 2028 年至 2032 年间提供 3.2 吉瓦电力。按时完成这一计划需要发电设施、输电线路、变电站、设备、许可和建筑劳动力。

合同确立了意向和商业责任，但无法消除供应链延误或监管争议。在服务器能够用电之前，电力必须以所需的可靠性输送到园区。

OpenAI 表示，它已向 Georgia Power 支付了一笔可观款项以预留容量。这笔付款让该公用事业公司有信心投资配套基础设施。该公司尚未披露付款金额或相关附加条件。

第四个不确定性涉及社区保障。OpenAI 承诺，居民家庭不会因该项目而承担更高的电费。它还表示，闭环冷却设计将使持续用水量维持在较低水平。

这些承诺非常重要，但其落实需要透明的衡量机制。预计将由独立审计机构审查合规情况。居民需要获得关于电力成本、取水量、税收收益和施工影响的明确基准。

OpenAI Georgia 数据中心落地之际，反对数据中心开发的政治阻力正不断增强。美国各地社区都对电力需求、用水量、税收优惠、噪声、土地用途转换以及有限的长期就业提出质疑。

OpenAI 似乎意识到了这种反对意见。在所有项目细节最终确定之前，它已开始与地方官员、学校和社区团体会面。一场公众开放日计划于 7 月 23 日举行，即公告发布后的第二天。

该公司打算制定一份 Georgia Community Compact，记录对当地的承诺和问责措施。这一过程可以形成可执行的预期，也可能暴露精心包装的公告未能体现的分歧。

OpenAI 认为，与此前计划在该地点建设的仓储项目相比，该项目产生的交通流量和用水量都将更少。它还预计，该项目将带来更高的长期税收收入以及更持久的现场就业。

这些比较仍然只是公司的预测。最终的运营模式、人员配置、冷却设计和税务处理将决定实际结果。施工期间的变更可能削弱公告阶段提出的假设。

第五个不确定性是利用率。数据中心可以投入运营，却未必接近满负荷运行。芯片供应、网络限制、模型开发进度和需求都可能影响园区的实际用电量。

利用率不足会损害项目的经济效益。需求过剩则会产生另一种问题，因为 OpenAI 将需要在合同范围之外获得额外容量。该公司正努力预留足够的基础设施，同时避免承诺超过市场承受能力的规模。

模型效率使这一计算更加复杂。更好的算法和芯片可以减少特定任务所需的资源。然而，更低廉的推理成本往往会刺激更多使用、更大的模型或新的应用。

目前无人能够确定到 2030 年哪种效应将占据主导地位。OpenAI 的预测假设，即使效率有所提升，总需求仍将维持在极高水平。这一假设值得审视，而不应被自动接受。

第六个不确定性涉及商业行为。基础设施支出可能会影响产品设计和定价。背负巨额固定债务的公司有动力增加使用量、创建高级服务，并推动企业客户转向持续消费模式。

这种压力并不意味着每项产品决策都会服务于偿还基础设施成本，但它确实意味着客户应在评估 AI 服务时考虑运营成本。今天慷慨的使用权限未必能够预示数年后的合同条款。

开发者应关注使用限制、延迟、模型退役计划和 token 费用。企业买家应审查可迁移性、数据治理和合同保障。当客户无法迁移关键工作负载时，提供商的基础设施规模就没那么重要了。

知识工作者面临着一个相关问题。更大的容量可以使智能体运行得更快、可用性更高，但无法保证准确性或自动化结果值得信赖。基础设施扩展的是系统可以尝试完成的事情，而不是保证每项结果都值得依赖。

因此，7500 亿美元的预测应被视为 OpenAI 信念的证据，而非市场需求的证明。Project Camellia 为这种信念赋予了具体地点、公用事业合同和建设时间表。

三个信号将决定这场押注能否成功

电力交付、收入质量和具有约束力的社区问责，将表明 OpenAI 的基础设施战略究竟是在变得可持续，还是仅仅变得更庞大。

第一个信号是 Georgia Power 的交付计划。最重要的里程碑不是宣布另一个园区，而是 Project Camellia 能否按计划在 2028 年获得首批数百兆瓦电力。

在此之前，读者应关注获批的发电和输电投资、已确定的建设合作伙伴、许可及详细的园区设计。每推进一步，都会增强人们对这份 3.2 吉瓦合同能够转化为运营容量的信心。

延误会从两个方面削弱 OpenAI 的战略。它既会推迟计算资源的供应，同时让规划和融资成本继续存在；也可能迫使 OpenAI 从云服务合作伙伴处购买成本更高的临时容量。

灵活用电承诺同样值得关注。OpenAI 表示，在高需求时期，该园区可以在居民客户受到影响之前降低用电量。技术文件最终应说明可削减多少负载以及能够持续多长时间。

独立的性能数据将使这一承诺更具可信度。没有这些数据，灵活用电仍只是一项设计层面的主张。电网可靠性依赖可预测的运营行为，而非笼统的保证。

第二个信号是相对于算力义务的收入质量。仅凭报告中的收入增长无法回答这个问题。投资者和客户需要看到证据，证明 OpenAI 能够在处理算力需求日益密集的工作负载时提高利润率。

应关注企业收入、消费者订阅、推理成本和现金支出之间的关系。如果收入增长需要算力投入按比例大幅增加，就无法解决根本问题。关键衡量标准在于，每一单位基础设施能否带来持续改善的经济回报。

OpenAI 计划中的公开募股可能会提高透明度。正式披露或许能明确合同承诺、付款时间表、云服务提供商集中度以及对外部融资的依赖。相关披露还可能说明管理层如何界定这项 7500 亿美元的估算。

如果 OpenAI 能够证明其义务可控且单位经济效益不断改善，这些披露将强化这一押注。如果在缺乏更清晰定义的情况下反复修订数据，则会削弱这一押注。有证据表明收入增长依赖大幅补贴的使用量，也会产生同样的负面影响。

第三个信号是 Georgia Community Compact 及其核查流程。最终文件应将承诺转化为可衡量的义务，涵盖费率、水资源、就业、税收、社区资金和需求响应。

独立审计机构必须能够获取有意义的数据。公开报告应采用明确的基准，并按照固定周期发布。居民需要一种途径来识别未兑现的承诺，并了解可采取的补救措施。

一份强有力的协议将使 Project Camellia 成为未来项目开发的实用范本。它可以证明，大型 AI 园区能够在施工前协商责任，而不是等到冲突发生后再处理。

一份模糊或执行不力的协议则会产生相反效果。它会加剧人们的担忧，即社区项目无法抵消电力、水资源和土地使用风险。这种结果可能会拖慢 OpenAI 及其竞争对手在其他地区获得审批的进程。

这三个信号相互关联。电力供应决定园区能否运营。收入质量决定 OpenAI 能否承担其成本。社区问责机制决定类似项目能否继续获得推进所需的政治许可。

OpenAI Georgia 数据中心不会立即解决这些问题。其规划时间表将延伸至当前产品周期之后，而大部分产能要到如今的模型已被替代后才会投入使用。

这种延迟恰恰说明了该项目当下的重要性。在尚不清楚哪些产品、模型和商业结构将在 2030 年占据主导地位之前，OpenAI 就已经在作出基础设施决策。

该公司选择以规模化来防范未来算力短缺。风险在于，这种保障可能会演变成超出需求承受能力的义务。

开发者、企业买家和 AI 用户应关注交付里程碑，而不是公布的承诺总额。应追问新增产能是否提高了可靠性、降低了实际工作负载成本，并支持客户在没有补贴的情况下仍会持续使用的产品。

据报道，7500 亿美元的算力预测清楚表明了 OpenAI 的发展方向。接下来会发生什么，取决于那些无法仅通过头条式承诺来衡量的执行情况。应关注首批电力供应、使用量背后的经济效益，以及 Georgia 社区协议的可执行性。