据行业估算，OpenAI预支未来已撬动了万亿美元的基建支持，覆盖算力、云服务等多个关键领域，但其野心或许不止于此。上周OpenAI CEO山姆·奥尔特曼（Sam Altman）在访谈中表示，基础设施领域的巨额投资是公司层面的一次战略豪赌，他暗示更多交易正在酝酿中。
不过，“供应商向客户投资，客户再购买产品”，这样的闭环到底是引领技术革命还是沦为泡沫？业界有质疑也有肯定。天使投资人、资深人工智能专家郭涛认为，最终成败的关键，在于OpenAI能否持续输出颠覆性创新成果。
看向国内，厂商应该跟进这一路径吗？10月15日，商汤宣布与寒武纪达成战略合作，推进软硬件的联合优化，这或许是一个开始。不过，大模型生态社区OpenCSG（开放传神）创始人陈冉认为，中国不能简单复制OpenAI的闭环路线，而是构建开放式生态。
是未来还是泡沫
奥尔特曼称，基础设施是他目前投入时间最多的领域。效果也较明显，短短一个月里，OpenAI已经与芯片、云服务及硬件领域的头部厂商完成了深度绑定。
郭涛认为，OpenAI这一“闭环经济”策略本质是抢占AI基础设施领域的核心话语权。从短期价值看，该策略能通过定制化硬件与模型的协同适配，显著提升推理效率并降低单位算力成本，快速强化技术壁垒；从长期布局看，其目标是主导行业标准制定，协同生态实现对AI产业链关键环节的掌控。
9月，OpenAI与甲骨文达成一项为期五年、价值3000亿美元的算力采购协议，随后又与云计算服务商Coreweave签订三项共计224亿美元的合同，并计划向后者投资3.5亿美元作为合作的一部分。来到10月，OpenAI又和存储芯片厂商三星电子、SK 海力士达成合作，纳入其“星际之门”（Stargate）数据中心建设计划。
最引人注目的莫过于OpenAI与英伟达、AMD巧妙的芯片交易。9月22日，OpenAI与英伟达宣布合作，英伟达向其投资千亿美元，而OpenAI则通过英伟达构建并部署10吉瓦的AI数据中心，预计投入数以百万计的GPU。相当于英伟达向OpenAI投资的千亿美元，最终将被OpenAI用于采购英伟达的芯片，形成“左手倒右手”的闭环。
10月6日，OpenAI与AMD签署协议，将在未来数年内分阶段部署总计6吉瓦的AMD GPU算力。根据协议，如果项目达成目标，OpenAI将有权以每股仅1美分的低价收购AMD高达10%的股份，这意味着只要合作顺利进行，OpenAI未来可以用几乎为零的成本，获得价值数百亿美元的AMD股票。
加上最近这次与博通合作开发的10吉瓦定制人工智能加速器，OpenAI已经在不到一个月里就已经达成了至少26吉瓦的算力部署，而OpenAI当前运营的算力只有2吉瓦。
今年8月，英伟达CEO黄仁勋曾表示，1吉瓦的AI数据中心容量成本为500亿至600亿美元，按此大致估算，26吉瓦的背后是至少1.3万亿美元的资本承诺。
以OpenAI目前的营收能力远不能覆盖这一资本支出，最终还需要由OpenAI未来的收入偿付，这使其成为一场名副其实的“豪赌”。此前OpenAI向股东披露的财务信息显示，公司2025年上半年实现营收约43亿美元，亏损135亿美元，OpenAI预测要到2029年才能实现盈利。
郭涛认为，OpenAI的策略虽有效解决了当前AI落地的核心瓶颈——碎片化算力供给与爆发式场景需求的错配问题，但也存在明显风险，如对单一供应商的供应链依赖可能引发断链隐患。
这些巨头之间的循环交易也让一些华尔街分析师开始担心。摩根士丹利也在一份最新报告中指出，这些长期、巨额的资本支出承诺，完全押注于AI需求的持续性，一旦需求放缓，将面临巨大风险。AI生态系统这种 “循环”，可能会夸大市场需求，隐藏真实的商业逻辑。若未来OpenAI的投资回报不如预期，以目前的体量很可能会引发科技行业的泡沫。
此前，CoreWeave的CEOMichael Intrator曾反驳”循环投资”称，全球最大科技公司正在大举采购基础设施以服务客户，这是真实需求驱动的基础设施建设。他认为关于循环投资的质疑只是暂时的，因为市场的根本驱动力巨大。
在陈冉看来，OpenAI当前组建的“闭环生态”，是一种高耦合、高资本密度的AI工业化形态。他认为这并非泡沫，而是AI产业进入“第二阶段”的必然结果——从算法创新走向算力、数据、供应链、部署的全面产业化。
陈冉也提到，从系统层面看闭环确实带来风险，过度集中会削弱创新的开放性，这既是未来的趋势，也是新的“科技垄断”形态。
郭涛则认为，市场中部分“泡沫”论调，忽视了AI产业成熟过程中必然经历的技术收敛阶段。这一策略的成败关键，在于OpenAI能否持续输出颠覆性创新成果，突破现有闭环边界，避免陷入生态封闭导致的创新惰性。若策略落地见效，将倒逼整个AI行业向“软硬一体”模式加速演进。
中国厂商怎么跟？
在OpenAI大手笔地下注后，国内AI产业面临的问题是，应该跟进吗？
就在10月15日，商汤发布公告宣布与寒武纪达成战略合作，重点推进软硬件的联合优化。具体来说，在芯片适配方面，双方将推进最新型号的软硬件产品适配，联合打造面向算力市场的服务方案。在一体机解决方案上，双方将聚焦企业服务等垂直行业场景，结合各自软硬件能力打造垂直领域的一体机解决方案。
从这一苗头来看，国内的大模型、算力和芯片也已经开始接触和合作。不过，业内普遍认为，基于国内外环境的差异，中国不会复制硅谷模式，而是走一条属于自己的AI生态路径。
郭涛认为，海外巨头联盟模式，依托成熟的资本市场与相对松散的监管环境，能够快速整合跨企业资源、堆叠技术优势以抢占市场先机，但这一模式在中国面临制约：数据主权与安全合规要求更为严格，技术自主可控的诉求远高于单纯的效率优先。
陈冉指出，美国的AI闭环，是建立在全球供应链、资本市场与软件生态成熟的基础上，其核心是协同规模化。而中国的优势在于场景、数据与产业落地速度，因此中国不能简单复制OpenAI的闭环路线。
在资本规模上，中国与海外确实存在差距。《全球人工智能创新指数报告2025》显示，2024年全球AI风险投资规模达到1370亿美元，其中，美国在资本方面的优势持续扩大，占比高达66%。
但中国在开源与人才方面表现亮眼。2020年至2024年，中国累计顶会论文作者数量达3000余人，首次超过美国。AI开源项目累计贡献量较2018年增长1.5倍，位居全球第二。
中国AI模型在全球开源竞赛中表现也足够亮眼。今年7月底，知名AI开源社区HuggingFace发布的榜单显示，排名前十的开源大模型中，中国占据九席，包括智谱的GLM-4.5、阿里的通义千问系列、腾讯混元大模型以及月之暗面的Kimi K2大模型等。
看向未来，真正的竞争并不是单纯的模型算力、资本层面，而是生态之争。
“闭环生态能造就巨头，开放生态能造就产业。”陈冉认为，美国的模式是“闭环资本主义”，高效率但高集中，而中国更适合“开源共生型生态”，灵活、多元、面向本地产业智能化。两者并非对立，而是世界AI发展双轨制的体现。
面对中美AI竞争的格局，郭涛同样认可开放协作模式，他提出“国家队+市场化平台”的双轮驱动路径。即国家实验室集中力量攻坚基础大模型与底层核心技术，突破“卡脖子”瓶颈，而互联网大厂基于技术积累开放通用能力接口，降低中小企业的AI应用门槛，垂直领域企业则专注于行业数据积累与模型精调，打造场景化解决方案。
未来中美AI竞争的出路，或许是构建 “混合所有制”AI生态。郭涛认为，与西方封闭联盟模式不同，这种开放式分层协作体系更能激发生态活力。尤其在医疗、金融等数据敏感领域，可以更好平衡技术创新与风险管控的关系。
在OpenAI倾力构建AI闭环之际，中国AI企业可以探索另一个方向的答案：不开巨额支票，而是在开源土壤中培育生态。
(本文来自第一财经)