不管模型多聪明，OpenAI 的算力一样绕不开那条全球硬件供应链。再领先的 AI，最终都系于少数几家供应商的芯片、内存与电力。

这篇轻量地盘点 OpenAI 特有的供应链暴露点。整条供应链怎么运作的全貌，建议搭配 AI 硬件供应链一条龙 一起看；想了解它的算力布局与合作策略，可以看 OpenAI 的算力版图。本篇只聚焦「OpenAI 卡在哪些环节」。

Nvidia：短期拆不掉的依赖

OpenAI 训练模型几乎都跑在 Nvidia 的 GPU 上，这是它最深、短期也最难摆脱的依赖。除了硬件本身，Nvidia 的软件生态（CUDA）更像一层黏着剂，把整个开发流程绑在它的平台上。

OpenAI 也在分散：除了采购 Nvidia，它和 AMD 接触、又自研芯片。但业界的共识是，自研芯片初期主打「推理」，而最吃资源的「训练」短期内仍离不开 Nvidia。换句话说，这个命门拆得掉一部分，但拆不快。

自研芯片与台积电制程

OpenAI 想把命脉握回手里的关键一步，是和 Broadcom 合作自研 AI 芯片。但这条路有两个外部暴露点。

第一是制程。据供应链消息，这款芯片由台积电以最先进制程代工，这代表 OpenAI 要和 Apple、Nvidia 一起抢台积电产能最紧的那几个节点，晶圆配额竞争激烈，下一代更先进的制程量产时程也传出延后。确切规格 OpenAI 并未官方公布，外界数字宜保守看待。

第二是资金。自研芯片的初期生产需要庞大的预付资金，而 OpenAI 同时背着上千亿美元的算力与芯片承诺，外界因此关注它的现金流压力。有报道着墨于相关融资安排的细节，但 OpenAI 与 Broadcom 都未公开证实，宜保守看待。它点出一个现实：自研芯片要烧的，除了技术，还有庞大的资本。

HBM：被抢破头的高带宽内存

AI 芯片离不开 HBM（高带宽内存），而 HBM 目前正处于严重供不应求。OpenAI 的 Stargate 计划胃口极大，光是内存需求就传出要吃掉相当高比例的全球 DRAM 产能。

供应这块由 SK Hynix、Samsung、Micron 三家主导。有报道称 Samsung 拿下 OpenAI 自研芯片的 HBM4 供应，但「是否独家」各方说法不一，宜保守看待。可以确定的是，HBM 短缺被预期还会持续一段时间，这对任何想大规模扩张算力的公司都是压力。先进封装这块的瓶颈，可以再看 CoWoS。

电力：最被低估的瓶颈

芯片之外，最容易被忽略的暴露点是电力。OpenAI 的 Stargate 目标是十亿瓦级的算力，耗电量相当于一座城市。

这里有两个值得留意的落差。一是能源结构：目前供电以天然气为主，和 OpenAI 对外强调的绿电承诺之间，存在明显差距。二是社会摩擦：部分美国社区因为环境与电网负担，反对大型数据中心进驻。OpenAI 甚至公开呼吁美国大幅增加发电量，把电力视为 AI 竞赛的战略资产。电力能不能、以什么代价跟上，是它扩张节奏的真实瓶颈。

中国市场与出口管制

最后是地缘政治这条线，这里用中性角度陈述。

OpenAI 的服务在一百多个国家可用，但中国大陆、香港、澳门官方不开放，它也主动封锁了相关地区的访问。叠加美中之间的芯片出口管制（管制范围近年甚至延伸到云端算力的境外租用），OpenAI 在中国市场基本是缺席的。

这个缺席带来两个外部变数。一是这块市场的空间，由 DeepSeek、阿里巴巴 Qwen 等本土模型填补；二是 OpenAI 因此较难取得中文使用情境的数据，在中文任务上相对受限。这也被视为它后来释出开放权重模型、想守住部分开发者生态的原因之一。

小企鹅的观察

把这些命门排在一起看，会发现一个反差：OpenAI 在模型能力上是领跑者，但在硬件供应链上，它和所有同业一样，被同一条链牵着走：Nvidia 的芯片、台积电的制程、三大厂的内存、跟不跟得上的电力。

它正在用自研芯片、多元供应商、自建电力一步步往「自主」走，但这是一条漫长又烧钱的路。短期内，这些供应链暴露点仍是它扩张速度的天花板。理解了这层，就更能看懂为什么 AI 巨头们近年都把这么多力气，花在那些离用户很远的芯片与电厂上。