原文链接： https://www.yjnt111.top/article/747

OpenAI 再次加码基础设施。继与英伟达、AMD 达成巨量算力与芯片协议后，OpenAI 又与博通（Broadcom）签订定制化芯片与网络设备合作：到 2029 年  完成 10GW （十吉瓦）AI 加速系统部署，2026 年下半年 启动首批上柜。按主流口径，单 1GW 的全栈成本可达 500–600 亿美元 ，仅这笔 10GW 规模就意味着数千亿美元量级 的资金需求。与此同时，外界对 OpenAI 的总体承诺规模 估算已超过 1.5 万亿美元 （含与英伟达、AMD、Oracle、博通等多笔大单），远超其当年营收水平，这场“未来换现在”的豪赌，正把技术叙事与金融结构绑在一起。

一、供应链重构：从“用芯片”到“写芯片”的权力转移

这次与博通的合作不只是“买货”，更像是把模型理解写进硅片 。OpenAI 负责架构与规格，博通负责定制 ASIC 与网络设备的设计—生产—上柜 ，并在 2026H2–2029  分期交付，目标是在更高能效与更低单 token 成本上，替换部分标准化 GPU 集群的工作负载。对 OpenAI 而言，这意味着：

· 锁定关键网络与互联栈（以太网/专用交换芯片），降低对单一供应商与专有互连的依赖；

· 在“训练—推理—持续学习”的全链路里，做模型到硅的协同优化 ，把系统瓶颈（网络、内存层级、功耗）前置到硬件层面解决。

这也是上游话语权的再分配：博通不再只是供货商 ，而是“共研+部署”的伙伴，获得更厚的利润与更稳的可见性；OpenAI 则以资本承诺换来产能与定制权。

二、资本杠杆：当 AI 公司像一家“算力银行”

现实的矛盾摆在台面上：

·收入侧 ：公开资料显示，OpenAI 2025 年上半年营收约 43 亿美元 ；多家媒体称其全年目标/年化口径 在 120–130 亿美元 区间。

·支出侧 ：仅按博通这 10GW  的成本口径，已经是数千亿美元 ；叠加与 Oracle 的 3000 亿美元 （约 4.5GW  的“Stargate”产能扩建，期限约 5 年 ）、英伟达“最高 1000 亿美元  投资+至少 10GW  系统部署”、AMD 6GW  供应协议等，累计承诺被多方估算已超 1.5 万亿美元 。

在这种“收入小、CAPEX 大”的结构下，OpenAI 采用了两种具金融工程味道的路径：

（1）“股权换采购”的类产业互换

与 AMD 的 6GW  产能合作，获得最多 1.6 亿股、每股 $0.01 的权证 （分阶段随交付与股价目标解锁），本质是双方用长期订单 + 股权激励 换取产能与价格 。AMD 把它视作“产销合一的战略绑定”，OpenAI 则以长期订单获得AMD的认股权证，使得现金流压力缓释 。

（2）“循环收入”的外界推断（需保留审慎）

英伟达宣布最高 1000 亿美元 对 OpenAI 的投资与供货框架，用于至少 10GW  的系统部署，并采用分步到位的资金安排。市场上由卖方与媒体提出的一个推断 是：当供货方以投资/信用支持客户，客户再以采购与算力变现“回流”，会形成一种“融资—采购—收入”的循环效应 。但需要强调，这并非官方口径 ，且已引发分析师对其可持续性 的讨论。

结论 ：OpenAI 更像一家“算力银行 ”——以品牌与生态作抵押，吸纳资本，发行“算力资产”，再用未来收入对冲当下缺口。优势是加速跨越供给瓶颈；隐忧是信用共振 ：一旦商业化低于预期，风险会沿产业链放大。

三、与博通的合作，资金从哪来？

根据公开信息，OpenAI 与博通的 10GW 定制芯片合作资金主要来自以下渠道，具体机制与 AMD 的 “股权换采购” 模式存在显著差异：

1.近期融资储备

OpenAI 在 2025 年 8 月完成了 83 亿美元的融资，估值达 3000 亿美元。此外，其估值在 2025 年 10 月进一步飙升至 5000 亿美元，投资者对其长期增长的信心为大额采购提供了资金基础，其中部分资金可能直接用于支付博通的芯片采购费用。

2.战略投资与循环交易

英伟达此前承诺未来十年向 OpenAI 投资 1000 亿美元，OpenAI 需用这笔资金采购英伟达的芯片。类似地，OpenAI 与甲骨文、CoreWeave 等公司的合作协议（如 3000 亿美元的云计算协议）也可能形成资金闭环，间接支持其向博通支付采购款。这种 “投资 - 采购” 的循环模式已成为 OpenAI 基础设施建设的核心资金来源之一。

四、全球资本流向：谁在为 OpenAI 买单？

OpenAI的资本方并不单一，它更像是一个全球协作闭环 ：

·英伟达 ：提供系统与投资，绑定 10GW  目标，兼顾硬件收入与金融收益。

·AMD ：以6GW  供货 + 权证激励的“产能—股权”互换，分享 OpenAI 增长曲线。

·Oracle ：以 3000 亿美元/约 5 年/约 4.5GW  的数据中心能力，成为“电力+场地+云运维”的重装平台。

·博通 ：获得定制芯片与网络的长期订单，时间轴跨 2026H2–2029 。

这种结构在顺风周期里效率惊人：资金—产能—算力—收入 正反馈。但它的稳定性依赖一个前提——AI 商业化必须持续超预期 。若行业增速回落或估值收缩，最先承压的往往是这种高承诺、弱自由现金流 的主体。

五、期限错配：风险如何形成“多米诺骨牌”

把时间刻度拉开看：AI 基建的投资与建设周期 通常 5–7 年 ；模型与产品的商业化迭代周期 往往 1–2 年 。当 CAPEX 大量前置、收入兑现滞后，期限错配 就出现了。

·短期 ：靠合作方预付款、分期供货、股权/权证激励、债务或可转融通维持。

·中期 ：若宏观流动性收紧或增速不及预期，“循环收入”难以闭合，现金流缺口 会显性化。

·极端情景 ：若二级市场情绪急转、融资窗口收窄、上游供给锁死，信用可能沿“供应商—金融机构—客户 ”链条传导，形成连锁反应 。

这并不等于“高概率危机”，但意味着抗波动能力 取决于：电力与机房的复用性、合同的灵活度、资产的可转卖性、以及是否具备可自我造血的现金流 。

六、历史回声：互联网泡沫的镜像与不同

上世纪末的互联网基础设施扩张（光纤、IDC）曾在“未来流量”的预期下提前透支资本开支，WorldCom、Global Crossing 的教训历历在目。今日 AI 的不同在于：

·资产性质 ：更多是“算力—模型—数据 ”三位一体，边际回报更依赖软件层效率与应用渗透；

·瓶颈位置 ：不止是带宽，更是电力、散热、内存/存储层级、网络互联 ；

·供给弹性 ：高端 HBM、先进封装、万兆网设备的扩产都有物理上限，供给修复慢于需求。

因此，泡沫若出现，未必来自“模型失败”，更可能来自现金流与供给错配 。

七、投资者该看哪里：三条“硬”线索

1.上游硬件与基础设施优先受益

包括高端 GPU/加速卡、光模块、交换芯片、液冷、电力系统等环节——它们与 OpenAI 等大买家的承诺量 呈线性相关，短中期弹性更强。博通、英伟达、AMD、以及大型 IDC/云厂商的“订单可见性”都已在最新公告与新闻中得到强化。

2.警惕“资本幻觉”

“用户规模—估值—融资—扩产”的正循环极具诱惑，但自由现金流质量 才是穿越周期的关键。看报表要盯：合同负债变化、资本化成本与折旧节奏、预付款项、以及分成/回购条款的敏感性 。

3.分辨“官方事实”与“市场推断”

例如“循环收入”的概念属外界分析推断 ，非双方官方表述，应与明确披露的框架（如英伟达最高 1000 亿美元 投资与≥10GW系统部署、AMD 6GW+权证 、Oracle 3000 亿/约 5 年/约 4.5GW ）相区分，避免把研判 当成既成事实 。

八、结语：星际之门的代价

OpenAI 正在以近乎科幻的速度铺设 AI 基础设施帝国。技术上，这是把“智力密度”镶进电力、机房与硅片；金融上，这是用明天的收入去支付今天的钢筋与铜线。

理想可以远大，但账必须算清。真正能穿越周期的，不是最激进的故事，而是可验证的现金流 与可复用的资产 。当 AI 的光束照亮“星际之门”，也别忘了，所有伟大的技术革命，都要先穿过同一扇门——流动性之门 。