OpenAI 星际之门遇挑战：中国 “看得见的 AI” 网络已先行

tayun

2025 年 5 月，OpenAI 创始人山姆奥特曼头戴安全帽，站在德克萨斯州阿比林市 “星际之门” 超级计算园区的工地前，身后是规划中的 10 个数据中心 —— 这个占地 354 万平方米、计划容纳 10 万台 GB200 算力集群的庞然大物，被视作美国 AI 基础设施的 “未来图腾”。随着 OpenAI 推出 “OpenAI for Countries” 计划，试图以 5000 亿美元投资为起点，在全球复制 “星际之门” 模式，一场关于 AI 时代基础设施霸权的争夺，正在中美之间悄然展开。

美国的 “星际之门”：算力狂飙下的战略焦虑

OpenAI 的 “星际之门” 计划，本质是一场算力军备竞赛。根据规划，首个园区将成为 “世界最大 AI 训练设施”，其核心目标是通过集中式算力集群，支撑 OpenAI 的大模型研发与全球 AI 服务输出。这一计划的背后，是美国对 AI 基础设施短缺的深层焦虑 —— 尽管拥有 OpenAI、谷歌等顶尖企业，但美国在 AI 算力部署、数据中心规模化运营等方面，正面临中国快速崛起的压力。

然而，美国的基建推进并非一帆风顺。类似 “星际之门” 的集中式基建模式，往往面临 “投入产出比” 的质疑。5000 亿美元投入能否转化为实际生产力？当 OpenAI 还在为 “定制化 ChatGPT” 和 “国家创业基金” 勾勒蓝图时，中国的 AI 网络已经在交通、制造、城市管理等场景中扎根生长。

中国 AI 网络的 “落地哲学”：从智能交通到千行百业的通感算革命

与美国的 “算力中心” 思路不同，中国 AI 基础设施的建设，从一开始就带着强烈的 “应用导向”。 搭载AI 网络的智能网联汽车通过AI数字道路基站、激光雷达与车载传感器的协同，这些车辆不仅能实时感知 200 米内的障碍物，更能通过大模型获取 “全局视野”：前方路口的拥堵预测、施工区域的绕行建议，甚至行人即将横穿马路的意图预判，都能通过 AI 网络实时传递到车内。

这种能力的背后，是中国 “车路云一体化” 政策的持续推动。自工信部等四部委启动车路云一体化试点以来，20 个试点城市已完成道路数字化全域改造。与美国 “推倒重来” 的基建模式不同，中国更注重 “存量激活”，让旧设备用起来—— 通过升级路边已有的摄像头算法，将原本只能监控路况的设备，转化为能实时分析交通流量、预测事故风险的智能终端。同时基于5G-A路径实现AI网络的全面通信、感知和决策。两种模式交替运行，使智能体能够实时感知、理解并响应物理世界，广泛应用于智能网联汽车、无人驾驶汽车、低空无人机、机器人等领域，为城市与管理者赋能。这种 “低成本复用 + 高效运营” 的模式，中国的AI网络建设已初具规模。

中美对比：政策逻辑、技术路径与落地速度的全方位差异

政策逻辑：战略定力 vs 资本驱动

中国的 AI 基建以 “新基建” 战略为核心，强调政府与企业的协同。涵盖 “建设 - 运营 - 数据价值挖掘” 全链条，政府授权数据运营权，企业通过算法升级激活数据价值，再将服务收益反哺公共服务。反观美国，“星际之门” 计划更依赖资本力量 —— 软银、甲骨文等企业主导投资，试图通过市场化运作快速铺开算力网络。但这种模式面临 “数据主权” 与 “商业回报” 的双重挑战：当 OpenAI 提出 “定制化 ChatGPT 需遵循美国标准” 时，不少合作国家已心生疑虑。

技术路径：通感算一体化 vs 单一算力中心

中国 AI 网络的核心竞争力，在于 “通感算”（通信、感知、计算）的深度融合。基于AI网络的大模型，能实时处理路侧与车端的海量数据，不仅为自动驾驶提供 “超视距感知”，未来更能延伸至工业无人机巡检、外卖机器人调度等场景。美国的 “星际之门” 则聚焦于算力集中训练，试图通过通用大模型覆盖多场景，但在实时性要求极高的交通、工业等领域，其 “云端训练 - 终端执行” 的模式存在天然延迟缺陷。

落地速度：从 “试点” 到 “规模化” 的中国节奏

截至 2025 年，中国已公布首批车路云一体化20个试点城市名单。这得益于中国特有的 “政策试点 - 经验复制” 机制：其 “旧设备复用 + 5G-A 通信” 方案将迅速在全国其他城市推广。相比之下，OpenAI 的 “星际之门” 首个园区仍在建设中，其全球合作计划也因地缘政治因素，仅限 “美国盟友” 参与。

AI 网络：重新定义人类与物理世界的交互边界

当 OpenAI 还在为 “星际之门” 的商业模型争论不休时，中国的 AI 网络已经开始重塑产业逻辑。人工智能正从数字世界走向物理世界，AI 网络未来将依托智慧交通摄像头、车路云系统、V2X通信，实时采集全城交通数据，进行智能分析和优 化决策，为政府、车企、自动驾驶系统提供全局感知和智能决策支持。

AI 网络的本质，是让物理世界‘可感知、可计算、可决策’。” 这种能力的价值，远超单一的算力竞争 —— 它意味着城市、工厂、交通网络等复杂系统，将具备类似人类的 “认知能力”。例如，当 AI 网络检测到高速公路某路段出现塌陷风险时，它不仅能立即通知周边车辆绕行，还能同步调度维修机器人前往作业，整个过程无需人工介入。

看得见的 AI，正在改写全球科技竞争规则

从德克萨斯的旷野到中国的城市街头，中美 AI 基建的差异，本质是 “实验室思维” 与 “场景思维” 的碰撞。OpenAI 的 “星际之门” 代表着美国对 “通用 AI 乌托邦” 的追求，而中国的 AI 网络建设，则脚踏实地地将智能嵌入每一条道路、每一座工厂。当美国还在为算力中心的选址争论时，中国的 AI 网络已经成为城市运行的 “数字神经”—— 这种 “看得见、摸得着、用得上” 的技术落地，或许才是 AI 时代最核心的竞争力。


来源：36kr