近日，隨着Anthropic發佈Fable5.1以及OpenAI推出Astra大模型，全球大模型領域的軍備競賽再次升級。雖然Astra憑藉出色的性能和性價比引發了全網熱議，但其背後極其恐怖的資金與硬件消耗，也讓外界再次直面中美大模型在算力基礎設施上的巨大差距。

根據美國媒體的報道，儘管OpenAI並未公開Astra的具體規格參數，但該模型依託其龐大的StarGate計劃，動用了超過10萬張NVIDIA顯卡進行訓練。僅以目前主流的B200顯卡單價（約5萬至8萬美元）粗略計算，單是採購顯卡的硬件成本就已經高達60億美元。如果將配套的服務器、高速網絡、電力供應、散熱系統以及日常研發等綜合開銷全部計入在內，整套AI基建的總投資成本預計在100億至250億美元之間。

image.png

相比之下，國內大模型在算力底座的投資規模上仍存在客觀差距。以近期備受矚目的DeepSeek計劃在內蒙古建設全新AI數據中心爲例，該項目計劃採購16萬張華爲AI顯卡，總投資額約爲25.6億美元。這一規模即便按全部預算計算，也僅相當於Astra相關基建保守投資規模的四分之一。

不僅在資金投入的絕對體量上存在差距，算力架構與生態也面臨多重挑戰。一方面，國產AI芯片與頂級硬件在單卡算力和生態成熟度上仍需追趕;另一方面，業界普遍測算顯示，當前部分國產芯片在實際計算效能上與英偉達高端產品之間仍有一定轉換代差，且整體採購供應也處於持續緊張的狀態。過去兩年裏，OpenAI等美國廠商憑藉穩定的資金優勢，持續保持了數萬甚至數十萬張頂級顯卡的龐大算力儲備，並且性能更強的後續模型已經在加緊訓練中。

這場由千億資金和海量算力構成的軍備競賽，清晰折射出大模型深水區競爭的殘酷本質。面對算力資源與基礎設施上的階段性差距，國內AI產業與相關芯片產業鏈依然需要時間加速技術攻堅與生態完善。