图说支撑 OpenAl 计算、资金和合约的复杂网络 为了训练和部署像 ChatGPT 这样的前沿人工智能模型，OpenAI 依赖于一个庞大的基础设施网络，该网络涉及众多价值数十亿美元的实体、复杂的合同以及巨额的资金投入。Made Visual Daily 提供了一张新的可视化图表，通过计算、资金和合约这三种流动方式来描绘这一基础设施流程，突显了人工智能发展资金日益呈现出的循环性质。 该地图综合了来自公共财务报告、媒体披露以及相关文件的信息，旨在展示谁建造了什么、谁向谁付款，以及系统中潜在风险可能在何处积聚。 图表中的主要节点都是耳熟能详的名字：英伟达（市值 4.6 万亿美元）、微软（市值 3.8 万亿美元）、台积电（市值 1.5 万亿美元）以及甲骨文（市值 0.8 万亿美元）。而 OpenAI 自身在最近的二次出售中估值约为 5000 亿美元，占据了图表的中间位置。特别是微软，它同时承担着双重角色——一方面通过 Azure 提供计算服务，另一方面向 OpenAI 注入资金和 GPU 信用。 ——图形处理器供应链：短缺、主导地位与依赖关系 OpenAI 所采用的这一技术框架——以及当今大部分生成式人工智能技术——所依赖的核心技术是英伟达的图形处理器（GPU）。 但这些芯片并非凭空出现的。图形处理器的供应链是全球性的，而且十分脆弱： 设计：英伟达公司自行设计芯片。 制造工艺：台积电在其先进的 5 纳米和 4 纳米工艺节点上进行芯片制造。 组装环节：随后，这些芯片将由诸如广达和富士康这样的公司进行封装和测试。 部署方式：诸如超微这样的服务器制造商会将它们集成到专门针对人工智能优化的机架和集群中。 交付方式：这些集群将被运送到诸如微软 Azure 和 CoreWeave 之类的云服务提供商处。 这条产业链上的任何环节出现的干扰——无论是地缘政治方面的、经济方面的，还是物流方面的——都可能在整个人工智能领域引发连锁反应。这就是为什么美国对人工智能芯片实施了严格的出口管制，也是为什么像中国这样的国家正在努力开发本土替代品的原因。 对 H100 系列芯片的需求如此之大，以至于云服务公司和初创企业都提前数月甚至数年就预订了产能。在极少数情况下，一些企业甚至以 GPU 作为抵押来获取融资，这进一步凸显了其作为一种新型战略商品的重要地位。 ——闭环资本与AI泡沫风险 现代人工智能生态系统之所以引人注目，并非仅仅在于参与其中的参与者数量之多，而是在于它们的财务和运营关系已经变得多么紧密地相互交织在一起。 例如，微软已向 OpenAI 投资超过 130 亿美元，并通过 Azure 成为了其主要的云服务和计算合作伙伴。OpenAI 的大部分模型训练都是在由英伟达 GPU 驱动的集群上进行的，这些 GPU 是通过微软的云基础设施采购而来的。 与此同时，微软是 CoreWeave 公司的主要客户。CoreWeave 是一家发展迅速的云服务提供商，它还大量采购英伟达的硬件产品——这些采购通常通过与私人投资者和基金的信贷安排来完成。 这形成了一个相互依存的资本、计算和合同的网络，在这个网络中，相同的资金和资源在控制着人工智能供应链的少数几家公司之间循环流动。分析人士指出，如果需求或资金状况突然发生变化，这种紧密的耦合可能会加剧冲击的影响。
