不管模型多聰明，OpenAI 的算力一樣繞不開那條全球硬體供應鏈。再領先的 AI，最終都繫於少數幾家供應商的晶片、記憶體與電力。

這篇輕量地盤點 OpenAI 特有的供應鏈暴露點。整條供應鏈怎麼運作的全貌，建議搭配 AI 硬體供應鏈一條龍 一起看；想了解它的算力布局與合作策略，可以看 OpenAI 的算力版圖。本篇只聚焦「OpenAI 卡在哪些環節」。

Nvidia：短期拆不掉的依賴

OpenAI 訓練模型幾乎都跑在 Nvidia 的 GPU 上，這是它最深、短期也最難擺脫的依賴。除了硬體本身，Nvidia 的軟體生態（CUDA）更像一層黏著劑，把整個開發流程綁在它的平台上。

OpenAI 也在分散：除了採購 Nvidia，它和 AMD 接觸、又自研晶片。但業界的共識是，自研晶片初期主打「推理」，而最吃資源的「訓練」短期內仍離不開 Nvidia。換句話說，這個命門拆得掉一部分，但拆不快。

自研晶片與台積電製程

OpenAI 想把命脈握回手裡的關鍵一步，是和 Broadcom 合作自研 AI 晶片。但這條路有兩個外部暴露點。

第一是製程。據供應鏈消息，這款晶片由台積電以最先進製程代工，這代表 OpenAI 要和 Apple、Nvidia 一起搶台積電產能最緊的那幾個節點，晶圓配額競爭激烈，下一代更先進的製程量產時程也傳出延後。確切規格 OpenAI 並未官方公布，外界數字宜保守看待。

第二是資金。自研晶片的初期生產需要龐大的預付資金，而 OpenAI 同時背著上千億美元的算力與晶片承諾，外界因此關注它的現金流壓力。有報導著墨於相關融資安排的細節，但 OpenAI 與 Broadcom 都未公開證實，宜保守看待。它點出一個現實：自研晶片要燒的，除了技術，還有龐大的資本。

HBM：被搶破頭的高頻寬記憶體

AI 晶片離不開 HBM（高頻寬記憶體），而 HBM 目前正處於嚴重供不應求。OpenAI 的 Stargate 計畫胃口極大，光是記憶體需求就傳出要吃掉相當高比例的全球 DRAM 產能。

供應這塊由 SK Hynix、Samsung、Micron 三家主導。有報導稱 Samsung 拿下 OpenAI 自研晶片的 HBM4 供應，但「是否獨家」各方說法不一，宜保守看待。可以確定的是，HBM 短缺被預期還會持續一段時間，這對任何想大規模擴張算力的公司都是壓力。先進封裝這塊的瓶頸，可以再看 CoWoS。

電力：最被低估的瓶頸

晶片之外，最容易被忽略的暴露點是電力。OpenAI 的 Stargate 目標是十億瓦級的算力，耗電量相當於一座城市。

這裡有兩個值得留意的落差。一是能源結構：目前供電以天然氣為主，和 OpenAI 對外強調的綠電承諾之間，存在明顯差距。二是社會摩擦：部分美國社區因為環境與電網負擔，反對大型資料中心進駐。OpenAI 甚至公開呼籲美國大幅增加發電量，把電力視為 AI 競賽的戰略資產。電力能不能、以什麼代價跟上，是它擴張節奏的真實瓶頸。

中國市場與出口管制

最後是地緣政治這條線，這裡用中性角度陳述。

OpenAI 的服務在一百多個國家可用，但中國大陸、香港、澳門官方不開放，它也主動封鎖了相關地區的存取。疊加美中之間的晶片出口管制（管制範圍近年甚至延伸到雲端算力的境外租用），OpenAI 在中國市場基本是缺席的。

這個缺席帶來兩個外部變數。一是這塊市場的空間，由 DeepSeek、阿里巴巴 Qwen 等本土模型填補；二是 OpenAI 因此較難取得中文使用情境的資料，在中文任務上相對受限。這也被視為它後來釋出開放權重模型、想守住部分開發者生態的原因之一。

小企鵝的觀察

把這些命門排在一起看，會發現一個反差：OpenAI 在模型能力上是領跑者，但在硬體供應鏈上，它和所有同業一樣，被同一條鏈牽著走：Nvidia 的晶片、台積電的製程、三大廠的記憶體、跟不跟得上的電力。

它正在用自研晶片、多元供應商、自建電力一步步往「自主」走，但這是一條漫長又燒錢的路。短期內，這些供應鏈暴露點仍是它擴張速度的天花板。理解了這層，就更能看懂為什麼 AI 巨頭們近年都把這麼多力氣，花在那些離使用者很遠的晶片與電廠上。