OpenAI 近期狂烧钱搞 AI 基建，与英伟达、AMD 和甲骨文合作，背后有哪些战略考量？

其实Greg Brockman（OpenAI President & Co-Founder）前两天在X上已经很明确说出原因了。

OpenAI内部在模型训练和推出新功能的时候，明显遇到了算力瓶颈compute bottleneck，大模型能力可以继续通过加大算力的方式进一步指数增长scaling up。

老董叔当时简单总结为，OpenAI继续坚定沿着compute scaling路线加大算力投入。

OpenAI遇到的算力瓶颈，大概率远比想象中更严峻，除了最近大家常提到的OpenAI野心是大模型整个生态，其实在关键核心模型GPT-5版本的发布中，可以很明显看出来：

（经过估算）大概率GPT-5训练的training compute是少于GPT-4.5的。

Epoch AI文章对此的分析主要是因为OpenAI一度将重点从 pre-training scaling 转向了 post-training scaling，造成了GPT 5的 training compute 少于GPT 4.5。

至于为何OpenAI要重点关注在scaling post-training，除了边际收益更高之外，主要是OpenAI一直面临Anthropic系列模型在coding任务上的领先，以及市场对GPT-5发布时间预期的压力，使得OpenAI在时间特别是计算资源严重受限的客观条件限制之下，无法轻易在 GPT-4.5 这个规模的预训练base model上进行post-training scaling，

因此OpenAI选择在较小模型上尽可能最大化post-training效果，来快速推出了GPT-5。

当然，OpenAI将来会将高算力同时用于更大base model的 pretraining scaling & post-training scaling，于是可以预期GPT-6计算量，必然会大幅超过GPT-4.5和GPT-5。

所以和Nvidia、AMD等合作全力搞AI infra基建也是情理之中，不仅是现实遇到了scaling的问题，而且符合OpenAI一直以来自身的信仰。

——这很难得，尤其是在scaling law这篇paper（Scaling Laws for Neural Language Models 重点介绍了计算量compute、训练数据dataset size、参数量parameters这三个scaling对象）已经发布五年有余、越来越饱受质疑的今天。