OpenAI与Anthropic/算力资本开支/2026在2026年这一生成式AI基础设施建设的历史性分水岭，大模型双雄OpenAI与Anthropic的算力资本开支正经历从“财务扩张”向“物理极限”的深刻质变。
这一分化的背后，是算力竞争正被三大硬性物理变量所主导：台积电（TSMC）严重受限的CoWoS先进封装产能、向HBM4演进过程中的高带宽内存（HBM）供给墙，以及美国电网并网延迟与核电重启带来的能源基建博弈。
对于AI产业链的深度研究者而言，追踪这两家头部企业的资本开支，不仅是观测行业景气度的前瞻指标，更是预判半导体、公用事业及底层物理基础设施价值重估的核心锚点。m8观点：一句话研究结论2026年AI算力资本开支的本质，是一场被先进封装（CoWoS）、高带宽内存（HBM）和电网并网能力硬性约束的物理产能抢夺战；单纯的资金规模与宏大叙事（如5000亿美元的Stargate计划）已无法逾越供应链层面的工程极限，算力竞争正全面转向涵盖定制硅片、股权绑定存储巨头以及重资产获取核电等“全栈基础设施控制权”的终极争夺。
为什么这个变量在 2026 年重要进入2026年，全球人工智能产业的资本支出（Capex）规模与结构发生了根本性裂变，OpenAI与Anthropic的资本开支动向成为了定义整个科技周期与物理基建周期的绝对前瞻指标。
这一变量在当下的重要性，首先体现在超大规模云厂商（Hyperscalers）前所未有的资本开支通胀与产能前置上。
根据行业研究机构的汇总预测，微软、亚马逊、谷歌、Meta及甲骨文等前五大美国云和AI基础设施提供商在2026年的资本开支指引合计达到了6600亿至7250亿美元的历史天量，几乎是2025年水平的两倍。
在这样庞大的资金池中，绝大部分直接流向了由OpenAI与Anthropic底层模型训练与推理需求所驱动的数据中心、加速计算集群及光网络基础设施。
其次，这一变量凸显了商业化变现能力与基础设施重资产投入之间的巨大“剪刀差”。
公开的财务文件与市场测算揭示了两家头部厂商截然不同的盈利轨迹。
OpenAI在2026年预计将面临高达140亿美元的亏损，其在2023年至2028年期间的累计亏损可能深达440亿美元，庞大的算力折旧与研发投入正在极大地消耗其资产负债表。
这一估值不仅超越了OpenAI早前8520亿美元的私募估值，更证明了当算力被高效转化为企业级服务时，其能够支撑起软件史上前所未有的收入增长曲线。
因此，这两家
公司如何分配其成百上千亿美元的算力开支，直接决定了其商业模式能否在极端的财务消耗中走向闭环。
更为关键的是，2026年的资本开支数字中首次显性地计入了庞大的“通胀溢价”，这意味着投资人不能仅看资本开支的美元绝对值，而必须穿透至物理层面的交付量。
以微软为例，其在2026日历年的资本开支指引高达1900亿美元，超出华尔街预期约350亿美元；
这就解释了为何大模型厂商在2026年集体走向了底层硬件的深度定制。
Anthropic不仅与亚马逊AWS签署了长达十年、总规模超1000亿美元的定制芯片（Trainium）使用协议，还与谷歌、博通签署了提供高达3.5GW TPU产能的长期大单。
这种从单纯购买通用GPU向联合研发定制硅片、探索先进液冷专题方案的全面演进，使得“算力资本开支”不再是一个简单的财务科目，而是重塑整个半导体与能源供应链格局的核心变量。
产业链和公司映射在超万亿美元的AI资本开支浪潮裹挟下，整个底层产业链正在围绕OpenAI与Anthropic的极限算力需求进行剧烈的价值重分配。
从顶层的云计算承载方到底层的电力与组件供应商，价值捕获的环节呈现出高度集中的寡头垄断特征，传统的供需关系正在被深度的股权绑定与十年期的保供协议所替代。
在算力承载与云计算基础设施层面，超大规模云厂商是这两家AI巨头愿景的直接买单方与物理承载者。
微软作为OpenAI的深度绑定方，凭借Azure AI业务突破370亿美元的年化收入以及高达6270亿美元的商业剩余履约义务（RPO），获得了支撑其1900亿美元年度资本开支的底气。
微软不仅为其提供庞大的NVIDIA Blackwell架构GPU集群，还在威斯康星州等地规划单体超百兆瓦甚至吉瓦级（GW）的AI训练园区，这些园区全面采用闭环液冷与800 Gbps的扁平网络架构，以应对极端的热密度。
亚马逊AWS则以约2000亿美元的资本开支指引领跑全球，其与Anthropic的合作成为了AWS推广自研芯片战略的核心锚点。
Anthropic承诺未来十年在AWS技术上投入超1000亿美元，通过Project Rainier等项目锁定高达5GW的Trainium2、Trainium3定制芯片产能，从而将算力成本降低至每吉瓦约200亿美元的极具竞争力的水平。
谷歌也不甘示弱，其2026年1750亿至1850亿美元的资本开支指引中，包含了为Anthropic提供的第六代TPU集群，并通过与博通的长期协议锁定了未来的计算与网络底座。
在硅片设计与定制ASIC生态层面，随着大模型推理负载在2026年呈指数级上升，算力的经济性迫使模型厂商走向定制化。
博通（Broadcom）在这一轮映射中成为了最核心的隐形赢家。
博通不仅与谷歌签订了延续至2031年的TPU（涵盖高端的TPU v8 Sunfish训练变体）及AI机架网络组件的保供长期协议，还直接支撑了Anthropic从2027年起对额外3.5GW TPU算力的庞大需求。
更为震撼的是，博通与OpenAI紧密合作，在极短的9个月内完成了首款定制推理处理器“Jalapeño”的研发与流片。
这款芯片采用了台积电极紫外（EUV）光刻机的全掩膜版尺寸（面积约840平方毫米），搭载了6颗高带宽内存模块，其架构完全摒弃了通用计算的冗余，专门针对LLM内核、内存移动和分布式网络进行了底层重写，在内部测试中展现出了大幅领先当前通用GPU的每瓦性能。
基于此类深度合作，博通预计到2027财年，其AI芯片相关收入将历史性地突破1000亿美元大关。
在先进封装与晶圆代工层面，台积电（TSMC）的CoWoS（晶圆级封装）产能已成为决定全球AI芯片能否出货的绝对阀门。
在2026年，决定算力交付的不再是前道晶圆制造的流片数量，而是后道的先进封装能力。
台积电正在执行半导体历史上最激进的扩产计划，试图将其CoWoS月产能从2024年底的约3.5万片拉升至2026年底的13万至14万片。
然而，面对2026年全行业逼近100万片的年度封装需求，这一扩产速度依然显得捉襟见肘。
在这条极其拥挤的赛道上，英伟达凭借巨大的体量提前锁定了约60%的CoWoS产能（覆盖其Blackwell Ultra及下一代Rubin架构），而剩下的40%则由博通（承接Google TPU及OpenAI Jalapeño的封装）、AMD及其他厂商在长达52至78周的交期中激烈争夺。
这种极端的产能集中度导致底层芯片供应极度缺乏弹性。
在存储墙与高带宽内存（HBM）层面，存储三巨头的行业地位被大模型的参数饥渴推向了巅峰。
HBM3E和正在量产爬坡的HBM4产能已被抢购一空。
极具产业风向标意义的事件发生于Anthropic的高达650亿美元的Series H轮融资中。
在这轮由顶级财务机构领投的盛宴里，SK Hynix、美光（Micron）与三星历史性地同时作为“战略基础设施合作伙伴”进行了大规模的股权投资。
这种反向的“供应链锁定”逻辑清晰地表明，Anthropic试图通过出让母公司股权，将其与这三家掌控全球HBM命脉的企业结成利益共同体，从而确保在未来多吉瓦级别的定制数据中心建设中获得HBM和企业级SSD的优先配额供应。
对美光等厂商而言，这也是借机深度绑定下游高价值客户、应对存储周期波动的防御性扩张策略。
在能源获取与公用事业基础设施层面，电力已经正式取代硅片，成为约束AI算力扩张的终极天花板。
传统的公用事业公司正在迎来由数据中心负荷激增驱动的超级周期。
由于现代AI训练集群单体功耗从传统的几十兆瓦跃升至百兆瓦甚至吉瓦级，美国现有的高压输电网络已无法承受如此密集的负荷增量。
为了破局，微软与Constellation Energy达成了一项极具震撼力的20年购电协议（PPA），豪掷16亿美元重启于2019年因经济原因退役的三哩岛（Three Mile Island）核电站1号机组。
该电站被重新命名为Crane Clean Energy Center，计划于2027年向PJM电网注入835MW的零碳基载电力，并全部专供微软的数据中心使用。
同时，为了规避公用电网长达5至7年的并网审查与设备排队期，众多数据中心开发商开始大规模采用“表后”（Behind-the-meter）的天然气发电方案。
关键数据与对比表为了直观呈现2026年OpenAI与Anthropic的算力布局规模，以及深刻影响其资本开支效率的底层宏观与供应链数据，本文梳理并构建了以下四个核心维度的关键对照表。
表1：OpenAI与Anthropic核心财务与算力战略指标对比（截至2026年中）核心维度OpenAIAnthropic最新私募估值估算约 8520 亿美元 (2026年3-4月间披露)约 9650 亿美元 (2026年5月Series H轮投后估值)年化经常性收入(ARR)约 240 亿美元 (主要由ChatGPT及企业API驱动)超 470 亿美元 (企业级客户粘性及Claude Code驱动)核心盈利预期2026年预计运营亏损高达 140 亿美元收入指数级增长，预计2026年Q2实现首次运营利润转正定制芯片(ASIC)战略与Broadcom联合开发全掩膜版尺寸“Jalapeño”推理芯片 (2026年底部署)与AWS深化超千亿Trainium2-4合作；与Broadcom/Google拓展TPU v8集群云端基础设施绑定高度依赖Microsoft Azure，辅以Oracle云端算力秉持多元化战略：AWS (核心主导), Google Cloud, Microsoft Azure, 甚至SpaceX互联存储器供应链关系依赖外部常规现货或合约采购，面临配额受限风险创新供应链关系：Micron, Samsung, SK Hynix全员入股实现深度战略绑定与保供标志性基建超级项目联合主导Stargate (德州、俄亥俄等地，总规划高达5000亿美元，近期部分节点延期)主导Project Rainier (基于AWS Trainium2构建的全球最大原生AI超级集群之一)表2：2026年北美四大核心云厂商AI资本开支指引与基础设施动作映射云端基础设施巨头2026年Capex指引预估核心算力设施举措与限制特征映射Amazon (AWS)~ 2000 亿美元面临巨大电网排队压力；与Anthropic签订1000亿美元/10年长约，以此保障5GW Trainium自研芯片的内部消化与摊销Microsoft~ 1900 亿美元庞大指引中明确指出“250亿美元源于组件通胀”；签订重启三哩岛核电的20年PPA协议，以应对单体数据中心数百兆瓦的电力极限Alphabet (Google)1750 - 1850 亿美元第六代至第八代TPU持续迭代，签署与Broadcom直至2031年的保供协议；其中约3.5GW的未来TPU算力定向保留给AnthropicMeta1150 - 1350 亿美元资本开支更聚焦内部开源算力（Llama模型）迭代与核心广告业务排序；正在积极规划高达6GW的AMD Instinct系列GPU部署表3：决定算力交付的硬约束：TSMC CoWoS 封装产能供需缺口演进 (2024-2026)产能与需求约束指标2024年底实况2025年底实况2026年底 (基于供应链预估与官方指引)全球CoWoS封装总需求约 37 万片晶圆约 67 万片晶圆约 100 万片晶圆 (由于ASIC与GPU同步放量)TSMC CoWoS 实际月产能约 3.5 - 4.0 万片约 7.5 - 8.0 万片约 12.0 - 14.0 万片 (缺口预期仅能从20%勉强收窄至10%以上)算力芯片交货周期(Lead Time)30 - 40 周40 - 52 周52 - 78 周 (先进制程产能被全面买断，处于完全售罄状态)Nvidia 独占产能占比估算> 50%> 55%约 60% (约占用80万片年度分配，压制其他定制芯片出货空间)表4：存储墙的跨越：HBM3E与即将量产的HBM4核心技术规格对比技术规格维度HBM3E (当前主力，已售罄)HBM4 (2026年量产，定制化主导)内存接口宽度 (Interface Width)1024-bit2048-bit (实现了通道宽度的物理翻倍)独立通道数 (Independent Channels)16 个32 个单栈峰值带宽 (Bandwidth per Stack)大于 1.2 TB/s (最高约 1.33 TB/s)大于 2.0 TB/s (在高级配置下最高可达 3.3 TB/s)单栈最大容量 (Capacity per Stack)最高 36GB (基于12层堆叠)最高 64GB (基于16层堆叠与32Gb核心，极大地缓解了参数墙)核心运行电压 (Core Voltage)1.1V1.05V (降低电压以应对热管理挑战与3D集成的能效要求)宏观、资金或技术约束在2026年，OpenAI与Anthropic规划的算力蓝图极为雄心勃勃，动辄数百吉瓦的算力储备和千亿美元级别的采购订单充斥着市场。
然而，在当前的宏观与技术周期中，资金本身已不再是推动基础设施落地的首要引擎。
真正主导产业节奏、决定大模型交付进程的，是物理世界与高度复杂的半导体供应链中，那些无法单纯依靠资本“暴力破解”的三道硬性约束。
约束首当其冲的是先进封装（CoWoS）环节，它构成了当前半导体产业链上被锁死的最严苛产能天花板。
在大模型芯片的生产流程中，决定最终加速器出货量的早已不是前端的硅片制造（Wafer Starts），而是后道的晶圆级封装工艺。
无论是NVIDIA的Blackwell架构GPU，还是OpenAI与博通定制的Jalapeño推理芯片，都必须仰赖台积电的CoWoS（Chip-on-Wafer-on-Substrate）技术，将巨大的逻辑计算核心与高带宽内存（HBM）在硅中介层上进行2.5D或3D的精密堆叠。
如果这一封装环节的产能跟不上，前端代工厂制造出再多先进的3nm或2nm硅片，也无法组装成能够交付给数据中心的可用芯片。 产业数据显示，由于各家算力军备竞赛白热化，2026年全球对于CoWoS晶圆的实际需求已逼近100万片。
作为回应，台积电正在执行史无前例的重资产扩产计划，试图在不到两年的时间内将CoWoS月产能从约3.5万片拉升至2026年底的13万至14万片。
然而，即便算上全部满载排产，这种接近4倍的产能跃升依然无法完全填补庞大的需求缺口。
在这条极度拥挤的产能高速公路上，凭借先发优势和庞大体量的英伟达，以极强的议价能力提前锁定了约60%的产能分配（总计约80万片晶圆），以此保障其高利润的Blackwell Ultra及Rubin下一代产品的顺畅出货。
这使得剩余不到40%的微薄产能，需要由博通（承接Google TPU v8及OpenAI芯片的代工封装）、AMD及其他云厂商的自研ASIC在长达52周至78周的交期中展开白刃战般的争夺。
这种极端的产能集中度与过长的交付周期，导致底层芯片供应极度缺乏弹性，严重制约了算力建设规划向实际物理算力的转化速度。
其次是不可逾越的“存储墙”与高带宽内存（HBM）的供给危机。
伴随着多模态大模型的参数量向万亿甚至数万亿级别狂飙，GPU与定制ASIC对于内存的容量与数据吞吐带宽产生了无底洞般的需求。
例如，NVIDIA最新的B200芯片单颗就需要配置高达192GB的HBM3E内存，是上一代H100架构（80GB）的2.4倍之多。
至2026年，当前主力的HBM3E（8层与12层堆叠）产能已被SK Hynix、美光（Micron）和三星这三大存储原厂完全预订并宣告售罄。
与此同时，为了进一步打破内存带宽瓶颈，产业界正艰难向第六代产品HBM4演进。
HBM4不仅将接口宽度从1024-bit拓宽至史无前例的2048-bit，还深度集成了底层逻辑控制芯片，使其单栈峰值带宽突破2.0 TB/s，甚至向3.3 TB/s迈进，制造复杂度和良率控制难度呈几何级数上升。 极度的供需失衡不仅导致HBM合约价格在2026年强劲上浮近20%，大大推高了单张算力卡的BOM（物料清单）成本，更迫使AI模型厂商必须亲自下场干预供应链以求自保。
Anthropic在进行高达650亿美元的Series H轮融资时，并未单纯寻找财务投资人，而是精心设计了股权架构，引入了SK Hynix、美光与三星三大原厂作为“战略基础设施合作伙伴”进行战略注资。
这种反向的“供应链锁定”策略，本质上是为了越过传统的现货采购与排队模式，通过出让高估值母公司的股权，与其结成深度利益共同体，从而锁定未来在多吉瓦级别数据中心建设中不可或缺的HBM与企业级固态硬盘（SSD）的绝对优先配额供应。
最后，也是最为沉重的物理世界反噬——能源获取与公用电网（Power Grid & Utility）的承载极限。
算力基础设施的狂飙突进，最终在广袤的土地上撞上了物理电网的最硬约束。
在过去，大型云数据中心的单体规划功耗大多维持在20兆瓦至50兆瓦之间；而在当下，服务于大模型集中训练与超大规模推理的AI园区，动辄要求电网提供100兆瓦至500兆瓦的连续基载电力，像Stargate这类巨型计划更是直指单体多吉瓦（GW）的骇人规模。 在北美，由于高压输电线路老化且投资长期不足，传统电网的互连排队审查时间（Interconnection Queue）已被拉长至惊人的5到7年。
这意味着成百上千亿美元的资本开支，可能因为等不到变电站的接驳而被迫闲置。
最新的产业调研数据触目惊心：原计划于2026年在美国上线的约16GW的数据中心产能中，有高达30%至50%的项目将因为变压器、重型开关柜等高压电气设备交期过长，以及当地电网无力负荷，而被迫实质性延期至2027年乃至2028年以后。 为了强行突破这道能源枷锁，科技巨头不得不将触角伸向重资产且监管严苛的发电端。
微软主导的三哩岛（Three Mile Island）核电重启项目便是一个极具代表性的案例。
该核电站曾于2019年因经济效益不佳而退役，微软与Constellation Energy签署了为期20年的包销协议，投入16亿美元对其进行全面翻新。
然而，在项目推进过程中，区域电网运营商PJM指出，要安全输送这835MW的庞大核电，必须新建数百英里的高压输电线路，这将使核电站的并网时间被无限期推迟至2030年之后。
为了挽救这一进度，Constellation Energy不得不紧急向美国联邦能源管理委员会（FERC）申请罕见的豁免权，通过将附近另一座即将退役的天然气发电站（Eddystone）的容量互连权（CIRs）直接转移给重启的核电站，才艰难地绕过电网升级审批，将预计重启时间重新锚定在2027年。
此外，为了获取独立的电源，大量数据中心开发商开始采用“表后”（Behind-the-meter）的天然气发电方案，直接向通用电气（GE Vernova）等燃气轮机设备商下达了多达50GW规模的新建机组订单。
算力资本开支的约束重心，正在历史性地从硅谷的算力实验室向传统的公用事业与重型机械制造全面转移。
风险与证伪任何一场史无前例、动辄数万亿美元的资本开支超级周期，在光鲜的估值与宏大叙事背后，都潜藏着被物理现实与商业逻辑刺破的巨大风险。
针对OpenAI与Anthropic在2026年这一节点的巨额算力布局，我们应当抛开狂热的情绪，紧盯以下几个核心维度的风险因素与证伪信号。
首要风险在于超大型基建项目的延期乃至宏大叙事的幻灭。
最具代表性的当属由OpenAI、软银（SoftBank）、甲骨文（Oracle）以及中东主权投资基金MGX联合发起的“星际之门（Stargate）”计划。
该计划在白宫的见证下高调宣布，号称要在2029年前筹集高达5000亿美元的惊人资金，在美国德克萨斯州、俄亥俄州等5个核心地带，建设总计容量高达10GW的终极AI算力中心。
然而，进入2026年的实操阶段，该计划面临着极为严峻的现实拷问。
多份行业报告指出，由于多方财团之间的融资结构极其复杂、对底层GPU实际需求预期的动态调整，以及最为致命的当地电网许可审批进度极其缓慢，Stargate的多个关键节点在2026年遭遇了实质性的缩减或延期。
例如，其原定作为海外示范项目的Stargate UK数据中心（依托Nscale等基础设施），因受制于英国高昂的能源基准成本与环境监管的不确定性，目前已被迫按下暂停键，OpenAI甚至未能在预定时间内考察关键建设用地，令当地规划的百亿英镑投资化为泡影。
如果类似于Stargate这种承载着AI革命象征意义的巨型标杆项目频频出现落地延宕、预算缩减甚至合作方退出的情况，无疑将成为全球AI基础设施建设节奏放缓、资本信心动摇的最强证伪信号。
其次，高企的通胀正在严重吞噬资本开支的真实转化效率（即通胀性Capex与产能性Capex的背离）。
在2026年，单纯盯着各家大厂披露的资本开支总金额，已经无法真实、客观地反映物理算力产能的增加幅度。
微软首席财务官明确指出的“在1900亿美元的指引中，有约250亿美元纯粹是由组件通胀引发”的现象绝非个例，而是行业的普遍困境。
在台积电先进封装服务涨幅高达10%至20%、HBM存储芯片合约价格跳涨近20%，以及电网变压器、高压开关柜等基础电力设备因极度短缺而产生巨额溢价的多重夹击下，OpenAI和Anthropic每向供应链投入10亿美元，所能换取的实际有效算力（Flops）呈现出明显的边际递减趋势。
如果大模型能力的提升幅度与演进速度，无法以指数级的性能红利来覆盖并对冲底层算力单价的剧烈攀升，那么AI商业模式的底层逻辑与资本支出的可持续性，将不可避免地面临二级市场投资者的极度拷问与估值重塑。
最后是产品层面的同质化竞争与“价格战”反噬盈利预期的风险。
在算力基建大规模投入、折旧成本急剧攀升的当下，OpenAI与Anthropic为了保证庞大算力集群的利用率不被闲置，同时为了争夺高价值的企业端客户，存在极大概率开启恶性的API调用价格战。
尽管Anthropic凭借企业级服务的深度绑定，其ARR增速惊人并已突破470亿美元，且OpenAI的年化收入也达到了240亿美元的规模，但OpenAI内部文件所警示的“2026年高达140亿美元的巨额运营亏损”表明，在庞大的固定资产折旧与研发支出面前，其毛利结构仍然极其脆弱。
如果在降价换取市场份额的策略下，未能如期迎来非线性增长的B端大规模留存与应用爆发，反而无底线地加剧了现金流的快速消耗，那么所谓的“AI泡沫论”将会在资本市场被迅速放大。
一旦情绪反转，切断了这两家高度依赖一级市场不断输血的企业（尤其是估值已达9650亿美元的Anthropic）的后续外部融资通道，其所描绘的宏大算力开支蓝图将瞬间面临硬着陆的风险。
后续观察变量对于关注算力供应链、渴望在市场喧嚣中捕捉真实验证指
标的深度研究型投资者而言，未来12至18个月内，切忌被铺天盖地的宏大叙事所迷惑，而应密切跟踪以下几个处于产业链咽喉位置的核心变量，作为判断产业实质性拐点的前瞻信号：定制ASIC芯片的实际部署进度与真实良率表现：2026年底至2027年初，是检验大模型厂商“去英伟达化”战略成色的关键窗口期。
OpenAI与博通在9个月内极限流片合作的“Jalapeño”全尺寸推理芯片，以及Anthropic深度依赖的AWS Trainium3集群和谷歌TPU v8 Sunfish，将陆续进入数据中心进行大规模上架部署。
投资者需要紧密跟踪博通等半导体设计厂的季度财报细节、硅片交付指引，以及第三方评测机构给出的集群实测反馈，以验证这些高度定制化的ASIC是否真正兑现了“在特定LLM推理负载下，每瓦性能超越通用GPU数倍”的严苛承诺。
如果定制芯片的大规模替代进展顺利且良率达标，将显著削弱通用GPU厂商的绝对定价权，从而重塑整个算力底座的价值分配格局。
台积电月度营收结构与先进封装（CoWoS）扩产指引的变更：台积电不仅是全球晶圆代工的龙头，更是当前AI产业链最大的“瓶颈守护者”。
市场需密切关注其在后续法说会（Earnings Call）中，关于CoWoS产能是否能在2026年底如期、甚至超预期达成每月13万至14万片红线的明确表态。
此外，必须重点剖析其资本开支规划中划拨给先进封装的设备采购比例（目前正向占总Capex 10%-20%的高位攀升）是否出现异动，以及是否有采用方形基板的面板级封装（Panel-Level Packaging）等革命性新技术实质性提前量产的迹象。
任何封装瓶颈缓解的信号，都将直接转化为下游算力卡出货量的爆发。
美国公用事业与电力设备商的订单转化率与并网审批动态：由于电力已成为核心约束，投资者应将视野适度向传统能源领域及相关A股出口设备商拓展。
重点关注Constellation Energy、GE Vernova、伊顿（Eaton）等巨头，以及大型数据中心REITs的财报业绩会。
分析的核心在于，必须剥离其表面庞大的“在手积压订单（Backlog）”，转而盯紧其“实际获批并网发电量”或“成套开关设备实际出货量”的转化率差值。
如果针对数据中心的表后（Behind-the-meter）天然气发电项目审批，或是利用FERC豁免权进行电网容量转移的操作，遭到美国环保组织、当地社区及州政府的广泛抵制及立法封堵，那么2027年及以后的理论算力增长规划，将彻底沦为缺乏电力支撑的无源之水。
欢迎参阅我们的研究归档以获取更多关于跨周期基建指标的历史回溯分析。 FAQQ1：为什么在2026年，Anthropic的估值会历史性地反超OpenAI，成为全球最具价值的AI初创公司？
在2026年5月的Series H轮巨额融资完成后，Anthropic的投后估值一举冲高至9650亿美元，超越了OpenAI在同年3至4月间维持的约8520亿美元的私募估值，实现了引人瞩目的估值反超。
这一市场定价倒挂的核心原因，在于Anthropic展现出了当前资本市场最为看重的极强商业化变现与造血能力。
根据披露数据，其年化经常性收入（ARR）在短时间内以摧枯拉朽之势飙升至超过470亿美元的规模，且其中高达85%的收入来源于具备极高留存率与复购意愿的企业端和开发者群体（尤其是其针对程序员群体推出的Claude Code代码辅助工具，带来了极强的企业级业务粘性）。
此外，在云端基础设施战略上，Anthropic极其聪明地采取了不将鸡蛋放在同一个篮子里的“多元化平衡”策略，其与AWS、谷歌云（Google Cloud）实现了深度绑定，在避免了被单一云平台彻底锁定风险的同时，在成本控制、数据隐私与安全合规性上完美契合了《财富》500强企业的核心合规诉求。
这种扎实且分散的B端基本面，使其获得了比高度依赖C端订阅及单一微软云平台的OpenAI更高的营收倍数（Revenue Multiple）溢价。
Q2：被媒体广泛报道的Stargate（星际之门）计划究竟是什么？
其在2026年的推进现状是否及格？
Stargate是由OpenAI联合软银集团（SoftBank）、甲骨文（Oracle）以及中东阿联酋主权投资基金MGX等资本巨头，共同发起的一项极具科幻色彩的美国本土AI基础设施建设计划。
该计划的愿景极其宏大，旨在到2029年通过滚动投资多达5000亿美元，在美国本土的德克萨斯州、俄亥俄州等地，建设总计电力容量高达10GW（吉瓦）的终极AI算力中心网络，以承载下一代通用人工智能（AGI）的计算需求。
然而，在2026年步入大规模物理施工阶段后，该计划的推进现状只能用“步履蹒跚”来形容。
受制于极长的电网并网排队审查机制、变压器等关键电力设备的全球性极度短缺，以及部分地区（如缅因州、弗吉尼亚州部分县）日益高涨的社区环保抗议，该计划的落地进度大打折扣。
以其海外延伸的标杆项目Stargate UK（英国星际之门）为例，由于无法承受英国当地极其高昂的能源基准成本，加之配套的基础设施迟迟无法兑现，该项目目前已被迫按下了暂停键，OpenAI方面甚至取消了原定的关键地块考察行程。
总体而言，Stargate在2026年的现状清晰地表明，用5000亿美元资金强行“催熟”算力基建的设想，在现实物理世界的阻力面前仍有巨大的折损。
Q3：为什么OpenAI和Anthropic在坐拥充沛资金的情况下，不继续全力购买英伟达的通用GPU，而是纷纷选择与Broadcom（博通）合作研发高度定制的底层芯片？
随着大语言模型（LLM）的生命周期逐渐从“暴力堆参数”的训练期，大步迈入需要应对海量并发请求的推理期，使用通用GPU进行推理计算的经济弊端开始显现。
通用架构在处理特定AI推理工作负载时，往往面临由于架构冗余导致的显存带宽利用率不足，以及令人难以承受的单次Token生成能耗成本。
博通作为全球定制硅片（ASIC）及高速网络通信（如SerDes接口、高性能交换芯片）领域的绝对霸主，拥有将逻辑运算核心、高带宽内存（HBM）与庞大的集群网络架构进行深度软硬件协同优化的顶尖能力。
OpenAI正是看中了这一点，其与博通联合研发的Jalapeño推理芯片，创下了从架构定义到最终流片仅耗时9个月的半导体行业奇迹，该芯片专门针对LLM的底层内存数据移动和通信内核进行了深度重写与剪裁。
此外，博通在过去十余年间一直稳坐谷歌TPU核心设计伙伴的交椅，这使其在应对超大规模AI芯片设计与量产工程化方面积累了无与伦比的经验（如对Anthropic 3.5GW TPU算力的支撑），从而使其天然成为了连接头部云平台、底层芯片代工厂与大模型算法厂商之间最坚固的基石与桥梁。
参考来源
常见问题
其在2026年的推进现状是否及格？
Stargate是由OpenAI联合软银集团（SoftBank）、甲骨文（Oracle）以及中东阿联酋主权投资基金MGX等资本巨头，共同发起的一项极具科幻色彩的美国本土AI基础设施建设计划。 该计划的愿景极其宏大，旨在到2029年通过滚动投资多达5000亿美元，在美国本土的德克萨斯州、俄亥俄州等地，建设总计电力容量高达10GW（吉瓦）的终极AI算力中心网络，以承载下一代通用人工智能（AGI）的计算需求。 然而，在2026年步入大规模物理施工阶段后，该计划的推进现状只能用“步履蹒跚”来形容。 受制于极长的电网并网排队审查机制、变压器等关键电力设备的全球性…
为什么OpenAI和Anthropic在坐拥充沛资金的情况下，不继续全力购买英伟达的通用GPU，而是纷纷选择与Broadcom（博通）合作研发高度定制的底层芯片？
随着大语言模型（LLM）的生命周期逐渐从“暴力堆参数”的训练期，大步迈入需要应对海量并发请求的推理期，使用通用GPU进行推理计算的经济弊端开始显现。 通用架构在处理特定AI推理工作负载时，往往面临由于架构冗余导致的显存带宽利用率不足，以及令人难以承受的单次Token生成能耗成本。 博通作为全球定制硅片（ASIC）及高速网络通信（如SerDes接口、高性能交换芯片）领域的绝对霸主，拥有将逻辑运算核心、高带宽内存（HBM）与庞大的集群网络架构进行深度软硬件协同优化的顶尖能力。 OpenAI正是看中了这一点，其与博通联合研发的Jalapeño推理芯片，创下了…
