事件背景
2026 年 6 月，據報導 OpenAI 正在俄亥俄州洽談租賃一處 10GW（千百萬瓦）容量的數據中心，簽訂期限長達 20 年。這筆交易規模創 OpenAI 有史以來最大，甚至英伟達也被牽涉進信貸支持的談判——這不只是一筆商業合同，而是一個信號：AI 產業已經從「軟體時代」進入「基礎設施時代」。
為什麼這很重要
要理解這筆交易的分量，我們需要回顧 OpenAI 的商業模式演變。
2022-2023 年，ChatGPT 橫空出世時，故事是「一家聰慧的新創用 prompt engineering 和微調打敗了傳統巨頭」。那時的競爭邏輯是軟體優越性——更好的架構、更聰明的演算法、更快的反覆迭代。OpenAI 燒的是創新成本，不是基礎設施。
但 2024-2026 年，情況變了。
第一個信號：模型變得更大。GPT-4 到 GPT-5 的參數數量不是線性增長、是指數倍增。每增加一個數量級，訓練成本和推論成本都會倍增——而且這不是「軟體工程師加班」能解決的問題，而是要更多的 GPU、更多的電力、更多的散熱、更多的水。
第二個信號：推論成本成為定價瓶頸。DeepSeek 的 R1 模型以 1/25 的推論成本達到接近 OpenAI o1 的水平，直接威脅了 OpenAI 的付費用戶基礎。要維持定價權，OpenAI 不能只靠「更好的模型」，還要壓低單位成本——而壓低成本的唯一方式是規模化與長期鎖定。
第三個信號：電力變成戰略瓶頸。全球數據中心電力供應已經是稀缺品；某些科技巨頭正在簽訂 15-20 年的核電購電協議。OpenAI 租賃 10GW、相當於一個中型城市的電力消耗——這說明 AI 企業已經把電力當作稀有戰略資源來囤積。
基礎設施資本化的邏輯
這是一個經濟學的老故事，只是今天發生在 AI 上。
1950 年代，半導體產業還很新。英特爾（Intel）和仙童半導體（Fairchild）競爭時，靠的是工程師的聰慧和設計創新。但到了 1960 年代後期，摩爾定律開始展現威力——要維持性能領先，你必須不斷投入鉅資建造新的晶圓廠。英特爾選擇了重資產策略，花巨資購置工廠；摩托羅拉和德州儀器也跟著投，最後誰贏了？誰建廠最快、最多，誰就贏。曾經靠天才工程師領先的輕資產模式變得無關緊要。
同樣的故事在鋼鐵、石油、汽車製造上重複過無數次。當技術轉向規模經濟主導時，資本就成了主要競爭武器。
OpenAI 現在走的就是這條路。
20 年租約的含義
「20 年租約」不是隨意的數字。
First，它鎖定了成本。在電力成本可能上升的未來，OpenAI 預先固定了 10GW 的電力供應價格——這是對「未來電力成為更稀缺」的押注。
Second，它向投資人和競爭者傳遞了信號：「我們不在乎短期成本，我們相信我們的商業模式在 20 年內依然可行」。這是一種決策性的賭注——它排除了 OpenAI 在中途改變心意的靈活性，換來了長期成本確定性。
Third，英伟達參與信貸支持，說明硬體供應商也被綁定到 OpenAI 的長期計畫。這不再是「英伟達賣晶片給 OpenAI」的一筆交易，而是共同的、不可逆的資本承諾。
這對競爭格局意味著什麼
### 護城河位移
曾經，OpenAI 的護城河是「最聰慧的團隊、最好的演算法」。現在，護城河轉向「最容易融資、最能長期承諾鉅額資本的公司」。這有利於： - 微軟（能承擔 OpenAI 的資本需求） - Meta（自有龐大基礎設施） - Google（自有資本、電力來源）
這對初創公司和中等規模公司不利。你再聰慧，也燒不起 20 年租約的 10GW 數據中心。
### 地理政治的新維度
OpenAI 選擇俄亥俄州，而不是得州或加州。這可能反映了： 1. 電力成本與可用性（俄亥俄有廉價的老煤電設施正在轉向） 2. 政治友好性（俄亥俄州政府可能提供稅收優惠） 3. 避開加州電力危機