一、合作时间与核心算力规模

先看合作签署时间：OpenAI 和 AMD 于 2025 年 10 月签约，和 NVIDIA 则在 2025 年 9 月签约，前后仅间隔 1 个月，能明显感受到 OpenAI 在算力布局上的 “双轨并行” 策略。

核心合作的算力规模对比直观：

与 AMD 合作：计划部署总计 6 吉瓦（GW）的 AMD GPU 算力，主力为 AMD Instinct MI450 系列；与 NVIDIA 合作：要部署至少 10 吉瓦（GW）的英伟达系统，算力规模上 NVIDIA 更占优。

再看等效芯片与单片功耗（直接影响硬件部署的 “密度” 与成本）：

AMD 侧：若以 MI450 等效芯片计算，单片功耗达 2500W，对应至少需要 200 万片芯片；NVIDIA 侧：若以 GB300 等效芯片计算，单片功耗 1400W，对应至少需要 700 万片芯片。可见，AMD 单片功耗更高，但所需总芯片数更少；NVIDIA 单片功耗低，可总芯片需求几乎是 AMD 的 3.5 倍。这种差异源于两家芯片架构、能效比的不同，也会影响数据中心的电力、空间布局成本。OpenAI 与 NVIDIA：NVIDIA 对 OpenAI 的股权投资，并不赋予其控制权 ——OpenAI 的非营利性母公司会保留多数治理控制权。也就是说，NVIDIA 属于 “财务 生态型” 投资，不像 AMD 与 OpenAI 那样有明确的 “算力进度 - 股权行权” 绑定。三、时间规划与技术协作重点

时间规划上，首阶段部署节奏有差异：

AMD：2026 年下半年启动首 1 吉瓦 MI450 的 “设施建设 芯片交付”，整体为多年期合作；NVIDIA：2026 年底部署首 1 吉瓦 Vera Rubin 系统，时间点与 AMD 接近，但系统名称不同。

技术协作重点也各有侧重：

AMD 方向：走 “芯片 - 模型 - 生态” 闭环。OpenAI 会反馈模型需求，反哺 AMD 开展芯片定制化优化。简单讲，AMD 的芯片会更贴合 OpenAI 未来大模型的训练、推理需求，是 “定制化协同” 模式；NVIDIA 方向：提供 Quantum-X800、InfiniBand/Spectrum-X 以太网等高速网络技术，支撑训练与推理。同时，会同步优化 OpenAI 的模型路线图与英伟达硬件，更偏向 “硬件 - 软件生态协同”。四、对行业的影响再思考

结合这些细节再看郭明錤的分析：AMD 要部署 1GW MI450，CoWoS 产能虽足够，但从 “200 万片等效芯片” 的需求来看，供应链压力（比如 HBM、封装环节）依然存在，这也解释了为何 HBM 和 UALink 供应商会受到关注；而 NVIDIA 虽面临 AMD 的竞争，但本身算力规模更大、芯片基数更高，且技术协作侧重高速网络这类基础设施，加上股权上未被 OpenAI 深度绑定，确实更能 “以规模和生态保持优势”。

总之，OpenAI 同时牵手 AMD 和 NVIDIA，既想通过 AMD 的定制化芯片探索算力效率新可能，又要靠 NVIDIA 的规模与成熟生态托底。这场 “双保险” 式的合作，也让 AI 算力市场的竞争与创新更具看点。