一句话看懂：OpenAI 以“星际之门”计划为基础训练 Astra 大模型，仅显卡采购成本就高达 60 亿美元，整体基础设施投入保守估计在 100 亿至 250 亿美元之间。与之对比，国内 DeepSeek 在内蒙古的智算中心项目总投入约 25.6 亿美元，中美在大模型算力基座上的投入差距依然明显。
事件核心：发生了什么
近期，Anthropic 发布 Fable 5.1，OpenAI 也正式推出 Astra 大模型，围绕大模型的竞争烈度再度升级。尽管 OpenAI 未公开 Astra 的具体参数量与架构细节，但据美国媒体报道，该模型依托“星际之门”项目，使用超过 10 万张英伟达显卡完成训练。按照目前 B200 显卡单张约 5 万至 8 万美元的市场价格推算，仅采购显卡一项就需要约 60 亿美元；若将服务器、高速网络、供电散热系统及日常研发投入一并计入，Astra 相关的 AI 基础设施总投资估计落在 100 亿至 250 亿美元区间。
作为参照，国内 DeepSeek 项目在内蒙古投建的新 AI 数据中心，计划采购 16 万张华为 AI 显卡，项目总投资约 25.6 亿美元。即便按满预算口径计算，这一规模也只有 Astra 基础设施保守投入的四分之一左右。
为什么重要
这一对比揭示了大模型竞赛进入“深水区”后的现实：当模型能力逐渐逼近算法创新所能带来的边际收益时，算力规模与资金密度开始成为决定下一代模型上限的核心变量。OpenAI 持续保有数万至数十万张顶级显卡的算力储备，并且后续更强的模型已经在集中训练中，这意味着闭源头部玩家在时间窗口上拥有明显的先发优势。
对国内 AI 产业而言，差距不仅体现在资本投入的绝对值上。国产 AI 芯片在单卡算力、生态成熟度方面与英伟达高端产品仍有一代左右的差距，且采购与供给长期处于紧平衡状态。算力底座的不对等，会直接传导到模型训练效率、迭代速度和产品落地节奏上，进而影响开源与闭源生态的话语权分配。
对用户/开发者/创作者的影响
对于普通用户和 API 调用者来说，头部模型的基础设施成本最终会反映在服务定价和可用性上。OpenAI 在 Astra 上打出性价比牌，说明其有信心通过规模化算力摊薄单次推理成本，这可能会给国内大模型厂商的 API 定价带来持续压力，同时也在无形中拉高用户对模型响应速度和生成质量的心理预期。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
开发者和创作者在选择模型服务时，短期内仍会面临一个权衡：以 Astra 为代表的美国闭源模型在算力支撑下拥有更稳定的性能和更成熟的工具链，但国产模型在中文语义理解、数据合规和本地化部署上具备天然优势。值得注意的是，在图像生成、多模态推理等重算力场景中，算力差距会更为直观地反映在成图质量和生成效率上，这可能会影响一部分对视觉效果有高要求的创作者的工具选型。
值得关注的后续
第一个观察点是国产芯片的替代进度。华为等厂商能否在下一代产品中缩小与英伟达的单卡性能差距，并完善开发者工具链，将直接决定国内大模型厂商能否在算力成本上获得喘息空间。第二个观察点是 Astra 的实际落地价格与开放节奏，目前公开信息显示其训练成本惊人，但推理侧的定价策略才是影响市场份额的关键变量。第三个观察点则是国内智算中心项目的实际投产效率——以 DeepSeek 内蒙古项目为例，16 万张显卡的部署和调试周期、实际算力利用率而非纸面投资额，才是衡量中美差距是否真正缩小的可靠指标。
来源：AIbase
