Sam Altman 寻求数万亿美元以重塑芯片与 AI 行业
据报道，Sam Altman 正在向投资者（包括海湾国家）寻求高达 7 万亿美元，以建设面向 AI 专用芯片的巨大新产能，并减少对 Nvidia 以及受美国控制的供应链的依赖。评论者质疑如此巨额资金的可行性，认为 TSMC 和 ASML 的主导地位、先进半导体制造的极端难度与漫长周期，以及更好的算法或架构可能让今天的硬件押注过时，都是现实障碍。许多人认为这一规模本身就反映出 AI 泡沫；即便大型语言模型最终能创造巨大经济价值，把全球 GDP 中一个不小的比例押注于这一愿景，和气候行动等其他全球优先事项相比，仍然难以证明其合理性。
融资规模与可行性
- 据报道，目标高达 5–7 万亿美元，被广泛视为“难以想象”，这意味着需要多个国家和/或主权财富基金参与。
- 许多人将其与全球 GDP 和二战级别的动员相比较；有人认为多年投入世界 GDP 的 1% 勉强可行，也有人认为这显然是泡沫领域。
- 还有不少人认为这个数字很可能是在“锚定”预期，或是记者夸大；实际所需资本可能小得多（数千亿美元）。
芯片策略、Nvidia 与制造约束
- 普遍认为，专用 AI 加速器可能比通用 GPU 更高效，但：
- 目前只有 TSMC（以及 ASML 的设备）能够大规模生产最先进制程。
- 在美国影响力之外重建这套体系，被认为是一个跨越数十年、极度专业化的工程。
- 有人认为 OpenAI（或受 Altman 支持的创业项目）可以为自身工作负载设计 ASIC，摆脱 Nvidia 的供应和利润率约束，即使性能更低也可以。
- 也有人认为，过去的 AI 加速器之所以失败，是因为软件与硬件不匹配，而 Nvidia 的生态（CUDA、库、框架支持）才是真正的护城河。
软件、生态系统与垂直整合
- 反复出现的观点是：要匹配 Nvidia，不仅需要芯片，还需要 CUDA 级别的软件栈，并与 PyTorch/TF/JAX 深度集成。
- 被举出的例子包括：AMD 在 ROCm 上的困境、Google TPU 的有限市场影响、AWS Graviton/Inferentia、Tesla Dojo。
- 有人认为 OpenAI 可以彻底垂直整合（自有框架 + 自有芯片），但很多人怀疑它能否迅速追上行业数十年的研发积累。
经济理由与潜在回报
- 支持者认为：
- AI 需求正在爆发；Nvidia 无法满足；即使是“更差但更便宜且可获得”的芯片也可能带来巨大收益。
- 如果 LLM 逐渐接近 AGI，那么回报可能足以证明巨额投资的合理性。
- 怀疑者则质疑当前 LLM 是否值得数万亿投入，并将其比作投机泡沫或互联网泡沫时期的“暗光纤”过度建设。
更广泛的担忧：风险、机会成本与气候问题
- 有人认为，与气候变化这类同样关乎生存的问题相比，这是一种资本错配，而后者并没有同等的投资热情。
- 也有人指出，问题并不是“是否有数万亿可用”的泛泛之谈，而是投资者预期 AI 能带来高额私人回报，这不同于气候领域所需的协调。
- 伦理担忧也浮现出来：一方面追逐可能破坏社会稳定的超级智能，另一方面却没有把资源用于当下“照顾人类”。