几天前，OpenAI 毫无预兆地宣布将关停 AI 视频生成模型 Sora。

从两年前横空出世时被寄予 " 改变影视工业 " 的厚望，到如今黯然退场，Sora 生命周期之短、转折之突兀，令人唏嘘。

在硅谷，标志性项目的关停往往具有风向标意义——如同苹果在十年长跑后决然放弃造车计划，Meta 大幅缩编曾视若生命的元宇宙实验室，这些项目的陨落常伴随企业乃至行业战略转向。

透过 OpenAI 的取舍与布局，可以窥见美国 AI 产业正在发生的变化。

谭主采访了多位 AI 行业人士，包括长期穿梭于中美 AI 圈的研究者和身处一线的从业者。从他们分享的细节中，可以发现一些线索。

" 资源 "，是业内人士反复提及的词，也是理解这一切变化的起点。

曾接触过 OpenAI、Meta 等美国头部 AI 企业研发人员的专业人士告诉谭主，业内目前有一个普遍共识是，人工智能的竞争归根结底是资源的竞争。如果人才、资金和算力都充足，AI 公司通常会在多个技术方向上同时下注。

而 OpenAI 关停 Sora，则是资源变得稀缺的结果。

先看最底层的算力问题。

这两年美国一直在讲要建更多数据中心、继续扩张算力，但现实是供给始终追不上需求增长。根据高盛测算，美国数据中心算力供需缺口正呈现常态化趋势，未来几年预计也将长期维持在约 10 吉瓦的水平。

更关键的是，大量新建项目卡在电力与基础设施环节，最终恐怕也难以落地。

落到 OpenAI 身上，问题更加突出。

OpenAI 有个特点是，它没有自建的数据中心，核心算力依赖于微软等供应商的合作。

2025 年，OpenAI 总裁提到，公司内部分配 GPU 已变成一种 " 非常痛苦 " 的过程，甚至需要专门的小团队盯着每个项目何时结束，好把腾出的算力重新分配给新项目。

也正是在这时，第二重压力开始显现：AI 行业正在进入新的资本周期。

相比过去的 " 先投入、再验证 "，投资者开始强烈要求可衡量的商业回报。

｜｜美国咨询公司调查显示，53% 的投资者期望在六个月内获得回报。

｜｜超过 70% 的首席信息官明确表示，如果无法在 2026 年年中前证明 AI 的商业价值，相关预算将被削减。

当资本要求变高、算力变得昂贵且稀缺时，公司内部就不得不做选择。对当下的美国 AI 企业而言，这一变化尤为剧烈。

据估算，Sora 生成一段 10 秒视频的成本是 1.3 美元，假设用户每天生成 1130 万个视频，单日算力成本约 1500 万美元，而实际收入远低于此。

Sora，只是这个 " 取舍逻辑 " 下的一个缩影：

｜｜最近一个月，被调整的还有 ChatGPT 原生的快捷支付功能等。

｜｜同一时间，OpenAI 宣布与美国国防部达成协议，将 OpenAI 的模型部署在军方机密网络中。

这些被砍掉的项目有共同特征：消费级定位、算力消耗极高、用户增长停滞、短期回报模糊。

这背后，是美国 AI 行业正在经历一轮结构性调整：

｜｜Meta 在 2026 年 3 月宣布，计划于 6 月 15 日关闭 Horizon Worlds 在 VR 头显上的支持。大部分预算投入 AI 基础设施、可穿戴设备和移动端等方向。

｜｜Amazon 宣布关闭 Amazon Fresh 和 Amazon Go 实体店实验项目，同时停止 Amazon One 掌纹支付系统。

｜｜AI 数据标注领域头部公司 Scale AI 在 2025 年 7 月重组了团队，增加资源到企业和政府销售，并将数据标注业务的重点放在最赚钱的机会上。

美国 AI 行业正在形成一种共识，要优先保障高毛利项目，减少在消费级创新上持续投入。

那么，什么样的项目是 " 高毛利 " 的？

不久前，OpenAI 与美国国防部达成协议，将先进模型部署在军方机密网络中。

这一选择的特殊之处，在于突破了两条底线。

｜｜一是 OpenAI 自己的底线。OpenAI 曾反复强调不会为大规模国内监控或自主武器系统提供技术支持，现在却改变了自己的立场。

｜｜二是行业的底线。另一家美国头部 AI 企业 Anthropic 正因坚守这条底线，被五角大楼列为 " 供应链风险 "，OpenAI 就是在同一时间接盘的。

这揭示了美国 AI 下一步发展的危险动向：曾经不敢碰的领域，现在要碰了；曾经坚守的底线，现在要突破了。

参加了 14 轮中美人工智能对话的陈琪告诉谭主，美国战略界和企业的主流极力鼓吹开展 AI" 军备竞赛 "，追求相对于其他国家的绝对优势。

尤其是过去一年，本届美国政府彻底颠覆了上届政府 " 安全、可靠、值得信赖的 AI" 理念，转向 " 赢得 AI 竞赛 "，将打败其他国家置于绝对核心。

这为资本与军方的深度捆绑铺平了道路。

在 " 赢得竞争 " 的压力下，曾经设下的边界正在被重新划定，国防部便成了一个极具吸引力的合作伙伴。

纵向看，在面对消费者（To C）、面对企业（To B）和面对公共部门（To G）三大方向上，公共部门正在成为 AI 最后的 " 蓝海 "。

部署进度上，美国公共部门专业人士使用人工智能的频率，远低于大多数美国人。这意味着巨大的未开发空间。

这也意味着，公共部门还没进入 " 回报考核 " 的阶段。在这里，预算来自拨款而非盈利要求，周期更长、资金更稳、风险容忍度也更高。

横向看，公共部门中，国防部合作意愿最高。

根据一项对美国联邦政府合同的数据统计，国防部有超过 70% 的联邦政府人工智能合同。仅在 2022 年 9 月至 2023 年 8 月，国防部人工智能合同金额就增长了 1500%。

曾与美国智库、军方等代表团交流过的刘伟告诉谭主，根据他的观察，企业选择与军方合作，一方面是出于现实经营压力，另一方面，也想通过军方这块 " 试验田 " 实现技术突破。

这种合作是美国构建 AI 霸权的关键一环——它将技术研发与军事能力深度绑定，用公共资金为资本开路，再用技术优势反哺军事霸权。

而代价，正在浮出水面。

原本，美国政府 AI 部署缓慢，有其内在逻辑。

公共部门不像私营部门，AI 目前的某些缺陷—— AI 幻觉、准确率不足等，在私营场景中可能只是体验问题，在公共部门却可能演变成社会问题：

｜｜统计部门：用 AI 辅助数据处理能大幅提高效率，但一旦出现 AI 幻觉导致数字出错，可能直接影响经济民生；

｜｜农业、能源等部门：AI 可辅助科学研究与资源分配，但 AI 幻觉可能导致错误的模型预测；

｜｜国防领域：此前部分 AI 项目出现目标识别系统在恶劣天气下的准确率仅约 30% 的问题，涉及人命的决策一旦出错，后果无法挽回。

现在，这种谨慎正在被放弃。

国防部更是采取了 " 边用边改 " 的激进路线——将 AI 快速投入实战场景，通过实际反馈来迭代优化。这种做法本身，就是在用人命风险换取技术迭代速度。

刘伟告诉谭主，尤其是他接触到的美国中低级军官，他们是真正在前方打仗的那群人，他们对人工智能的军事化应用相当积极，普遍认为其有助于提升作战能力与战略规划水平。

到这里，便可以看出 OpenAI 的选择背后，折射出美国 AI 霸权构建的危险动向：

资本追求回报，美国政府寻求军事优势，双方在 AI 领域相互妥协、相互借力，共同突破了伦理与安全的底线。

美国已经选择将 AI 优先配置于军事领域。下一次，边界又将被推向哪里？