Stargate Project Pivots: OpenAI Abandons Construction for Leasing, Wakes from 1.4 Trillion Compute Empire Dream

marsbitDipublikasikan tanggal 2026-03-17Terakhir diperbarui pada 2026-03-17

Abstrak

OpenAI has significantly restructured its ambitious Stargate project, shifting from a plan to build its own data centers to leasing computing power from cloud providers like Microsoft Azure, Oracle, and Amazon AWS. Initially announced in January 2025 with a projected investment of up to $1.4 trillion, the project's budget has been reduced by 57% to around $600 billion through 2030. The change comes after more than a year of delays, with no employees hired and no construction started, largely due to lenders' reluctance to finance the project given OpenAI’s ongoing substantial operating losses. The restructured Stargate is now organized into three teams overseeing commercial partnerships, technical engineering, and physical operations, all managed by former Intel executive Sachin Katti. Despite the shift in strategy, OpenAI still aims to deploy nearly 7 gigawatts of server capacity over three years, with investments totaling over $400 billion. The company is also developing its own AI chips in collaboration with Broadcom to reduce inference costs. Annual spending is projected to reach about $120 billion, matching Microsoft's yearly capital expenditure, even as OpenAI's revenue remains significantly lower and profitability is not expected before 2030.

1.4 trillion dollars. This was the total value of the Stargate computing blueprint presented by OpenAI CEO Sam Altman to investors at the end of 2025. Fourteen months later, that number has been slashed to 600 billion.

According to a March 16th report by The Information, OpenAI has significantly restructured the Stargate computing infrastructure project, abandoning plans to build its own data centers and fully shifting to leasing computing power from cloud service providers like Microsoft Azure, Oracle, and Amazon AWS. Stargate has been split into three functional teams, all managed by former Intel Chief Technology and AI Officer Sachin Katti.

The reason for the pivot is straightforward. Stargate was announced with great fanfare at the White House in January 2025, revealing a joint venture with SoftBank and Oracle to build large data centers, with an initial investment of $100 billion and a total investment of $500 billion over four years. However, more than a year after the project's launch, not a single employee had been hired, and no substantive development of a data center had begun. According to CNBC, lenders were unwilling to provide billions in construction financing to a company still reporting massive operating losses. OpenAI also recently withdrew from negotiations to expand the Oracle Stargate facility in Abilene, Texas.

Over a year, zero employees, zero construction started. The "build-it-ourselves" path for Stargate never truly began.

According to disassembled data from investor materials, the $1.4 trillion total commitment cited by Altman was distributed among seven suppliers. According to venture analyst Tomasz Tunguz's analysis of the investor materials, Broadcom accounted for $350 billion, Oracle $300 billion, Microsoft $250 billion, NVIDIA $100 billion, AMD $90 billion, with AWS and CoreWeave combining for $60 billion.

In February 2026, CNBC reported that this figure was reset to approximately $600 billion (by 2030), a 57% cut. The same report gave a slightly different but directionally consistent figure, with OpenAI expecting to spend $665 billion on cloud servers by 2030.

$600 billion is still a number that needs context. According to internal OpenAI forecasts, the company's revenue target for 2030 is $280 billion, meaning the cumulative spending-to-revenue ratio over five years is about 2:1. And according to internal financial data cited by ainvest, the company's projected loss for 2026 is $14 billion, with a gross margin of only 33% as reported by multiple media outlets (Note: Gross margin reflects the profitability of the product itself, while net loss is the final result after deducting all costs like R&D and management; the two can coexist).

Placing OpenAI's spending target within the panorama of the Big Tech computing arms race makes the proportions clearer.

According to company financial reports and public Guidance, Amazon's planned capital expenditure for 2026 is $200 billion, Alphabet's is $180 billion, Meta's is $125 billion, and Microsoft's is approximately $120 billion. These four companies have seen their expenditures roughly double or triple within two years, totaling over $650 billion, with about three-quarters flowing into AI infrastructure.

OpenAI's $600 billion is a five-year cumulative target, annualized to about $120 billion, which is comparable to Microsoft's single-year capital expenditure. The difference is that Microsoft's annual revenue exceeds $240 billion, while OpenAI's annualized revenue has just reached $25 billion and is not expected to achieve positive cash flow before 2030.

The Stargate restructuring is more than just a change in budget numbers; the organizational adjustments reveal a deeper shift in direction.

The restructured Stargate is divided into three lines. The Epic business partnership group is led by longtime OpenAI employee and former Deloitte manager Peter Hoeschele, managing cloud contracts with Microsoft, Oracle, Amazon, and transactions with chip manufacturers. These deals include a multi-year contract with AMD (using up to 6 gigawatts of chips, costing up to 10% of AMD common stock) and an agreement with chip startup Cerebras Systems.

The technical engineering and design group is co-led by former Meta and Google engineer Chris Malone and former Microsoft engineering lead Adrian Caulfield, responsible for redesigning the AI server clusters used by OpenAI. The physical facilities operations group is led by former Google data center director Nick Saddock, replacing Keith Heyde who left weeks ago.

The semiconductor team led by former Google chip executive Richard Ho falls outside Katti's jurisdiction and reports directly to OpenAI President Greg Brockman. This team is collaborating with Broadcom to develop in-house chips, which OpenAI hopes will eventually reduce the inference costs of running products like ChatGPT.

The name "Stargate" remains, but what it refers to has completely changed. In January 2025, it was a joint venture with SoftBank and Oracle to build data centers. In March 2026, it is OpenAI's broad strategy for bringing gigawatt-scale server capacity online. It has gone from "I want to build my own power plant" to "I want to sign the best leases." The total planned capacity for all sites remains nearly 7 gigawatts, with a three-year investment total still exceeding $400 billion. OpenAI is shifting its computing direction towards NVIDIA's Vera Rubin platform, aiming to achieve the first gigawatt-scale capacity online in the second half of 2026.

Bacaan Terkait

S&P Dow Jones Bermitra dengan Pantera Meluncurkan Indeks Kripto, Bitcoin Ditolak Masuk Karena "Tidak Menghasilkan Uang"

**S&P Dow Jones Indices dan Pantera Capital Luncurkan Indeks Aset Digital Berbasis Pendapatan, Bitcoin Tidak Termasuk** S&P Dow Jones Indices bersama Pantera Capital telah meluncurkan S&P Pantera Digital Asset Index, sebuah indeks baru yang secara ketat memilih aset kripto berdasarkan kelayakan finansial protokolnya. Indeks ini mengadopsi prinsip serupa dengan S&P 500, mensyaratkan protokol untuk memiliki pendapatan positif yang diverifikasi selama beberapa kuartal berturut-turut dan mendistribusikan nilai tersebut kepada pemegang token. Karena fokus pada aset yang "menghasilkan uang", Bitcoin, XRP, dan meme coin dikeluarkan dari indeks ini. Bitcoin dinilai tidak memenuhi kriteria inti karena tidak menghasilkan pendapatan protokol. Indeks perdana ini mencakup 18 aset, dengan lima komponen terbesarnya adalah Ethereum (ETH), BNB, Solana (SOL), Tron (TRX), dan Hyperliquid (HYPE). Pantera menjelaskan bahwa pengecualian Bitcoin didasarkan pada tiga alasan: sifatnya sebagai aset moneter yang sudah dapat diakses melalui ETF terpisah, keinginan untuk memisahkan aset berpendapatan dari aset lain dalam kerangka dasar, serta ketidakmampuan Bitcoin lolos uji kelayakan finansial indeks. Indeks ini saat ini berfungsi sebagai *benchmark*, dan diskusi telah dimulai dengan perusahaan manajemen aset untuk mengembangkan produk seperti ETF yang melacak kinerjanya. Kemitraan Pantera dengan Morgan Stanley dinilai dapat memfasilitasi distribusi produk tersebut ke klien bernilai tinggi. Peluncuran indeks ini menyoroti celah dalam produk investasi kripto institusional yang ada, yang seringkali hanya terfokus pada kapitalisasi pasar tanpa membedakan fundamental. Di komunitas kripto, keputusan mengecualikan Bitcoin menuai beragam tanggapan. Sebagian melihatnya sebagai peluang untuk alokasi institusional yang lebih jelas ke altcoin, sementara yang lain berpendapat hal ini justru memperkuat narasi Bitcoin sebagai "emas digital".

marsbit1m yang lalu

S&P Dow Jones Bermitra dengan Pantera Meluncurkan Indeks Kripto, Bitcoin Ditolak Masuk Karena "Tidak Menghasilkan Uang"

marsbit1m yang lalu

Memberi "Noise" ke AI Juga Bisa Meningkatkan Skor, Karya Ini Membuat Noise Mencapai Transfer Positif

Dalam bidang transfer learning, sumber data biasanya berupa gambar, teks, atau audio. Namun, penelitian "Semi-Supervised Noise Adaptation (SSNA)" menunjukkan bahwa **noise acak yang tidak memiliki makna semantik**—dihasilkan dari distribusi Gaussian—juga dapat meningkatkan performa model dalam skenario semi-supervised dengan sedikit data berlabel. Metode ini menggunakan **Kerangka Adaptasi Noise (Noise Adaptation Framework, NAF)**. NAF membuat struktur kategori diskriminatif dalam domain noise acak, lalu mentransfer **struktur** ini ke data target nyata untuk memberikan batas klasifikasi yang lebih jelas. Model memproyeksikan domain noise dan target ke ruang representasi bersama dan menyelaraskannya pada tingkat kategori. Dalam eksperimen, dengan hanya 4 sampel berlabel per kelas, NAF meningkatkan akurasi secara signifikan dibandingkan baseline ERM pada dataset seperti CIFAR-10 (+12.35%), CIFAR-100 (+7.61%), dan lainnya. Peningkatan juga terlihat pada dataset skala besar seperti ImageNet-1K dan tugas klasifikasi teks. Kunci keberhasilan ini bukanlah sifat acak noise itu sendiri, melainkan **struktur kategori yang dapat dipisahkan** yang dibentuknya dalam ruang representasi. Eksperimen ablasi menunjukkan bahwa jika semua noise dikompresi menjadi satu titik (tanpa struktur), kinerja justru menurun drastis. Sebaliknya, memperlebar jarak antara pusat kategori noise meningkatkan akurasi. Penelitian ini menawarkan perspektif baru: dalam transfer learning, pengetahuan yang dapat ditransfer bisa berupa **cara data diorganisasikan dalam ruang representasi**, bukan hanya konten semantiknya. Ini membuka kemungkinan untuk skenario di mana data sumber asli tidak tersedia karena masalah privasi, hak cipta, atau keterbatasan akses. Noise sintetis dapat menjadi alternatif sumber daya yang efektif dan rendah biaya.

marsbit5m yang lalu

Memberi "Noise" ke AI Juga Bisa Meningkatkan Skor, Karya Ini Membuat Noise Mencapai Transfer Positif

marsbit5m yang lalu

Operator Teleprompter "Khusus" Gedung Putih Raup Lebih dari $100.000 dengan Prediksi Berbasis Informasi Orang Dalam

Artikel berjudul "Operator Teleprompter Gedung Putih Dapatkan Lebih dari $100.000 dengan Informasi Orang Dalam" mengungkap kasus insider trading di pasar prediksi oleh Gabriel Perez, asisten teknis dan operator teleprompter untuk mantan Presiden AS Donald Trump. Perez, yang memiliki akses ke naskah pidato Trump sebelum disampaikan, menggunakan informasi orang dalam ini untuk bertaruh pada kata-kata spesifik yang akan disebutkan Trump dalam berbagai pidato di platform prediksi Kalshi. Dalam sekitar tiga bulan, ia mendapat untung lebih dari $100.000. Namun, platform Kalshi mendeteksi aktivitas mencurigakan, membekukan dana sekitar $90.000, dan melaporkannya ke CFTC. Akibatnya, Perez diberhentikan sementara tanpa gaji oleh Trump. Meski mengembalikan keuntungan dan berjanji tidak mengulangi pelanggaran, ia tidak menghadapi tuntutan pidana karena dianggap tidak membocorkan informasi rahasia negara. Kasus ini menyoroti kerentanan pasar prediksi "sebutan" terhadap manipulasi, di mana orang dalam atau pembicara sendiri dapat dengan mudah mempengaruhi hasil. Insiden serupa sebelumnya melibatkan tentara dan insinyur Google. Sebagai tanggapan, platform seperti Kalshi mulai memperketat aturan, termasuk mengharuskan pengguna mengungkapkan tempat kerja. Artikel menyimpulkan bahwa meskipun pembersihan perdagangan orang dalam membuat pasar prediksi lebih patuh, hal itu juga menjauhkannya dari tujuan awalnya sebagai pengejawantahan kebijaksanaan kolektif, menjadikannya lebih mirip kasino biasa.

marsbit1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih Raup Lebih dari $100.000 dengan Prediksi Berbasis Informasi Orang Dalam

marsbit1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih, Meraup Lebih dari 100 Ribu Dolar AS dengan Prediksi Menggunakan Informasi Orang Dalam

Sebuah staf Gedung Putih yang bertugas mengoperasikan teleprompter (penyusun teks pidato) untuk mantan Presiden AS Donald Trump, Gabriel Perez, telah diduga melakukan perdagangan orang dalam (insider trading) di pasar prediksi. Perez, yang memiliki akses ke naskah pidato Trump sebelum disampaikan, dilaporkan memanfaatkan informasi non-publik tersebut untuk bertaruh pada kata-kata spesifik yang akan disebutkan Trump dalam berbagai pidatonya di platform prediksi Kalshi. Dalam kurun waktu sekitar tiga bulan, ia dikabarkan memperoleh keuntungan lebih dari $100,000. Kalshi kemudian mendeteksi aktivitas transaksi yang tidak biasa dan membekukan lebih dari $90,000 di akun Perez sebelum melaporkan kasus ini kepada Commodity Futures Trading Commission (CFTC). Atas insiden tersebut, Perez diberhentikan sementara dari tugasnya tanpa gaji oleh Trump. Berbeda dengan dua kasus insider trading sebelumnya di pasar prediksi yang melibatkan seorang tentara dan insinyur Google, Perez tidak menghadapi tuntutan pidana. CFTC dikabarkan sedang dalam proses penyelesaian damai yang mewajibkannya mengembalikan keuntungannya dan berhenti melakukan transaksi serupa. Kasus ini menyoroti kerentanan pasar prediksi "sebutan" (mention markets) terhadap manipulasi, di mana individu dengan informasi orang dalam atau bahkan pembicara itu sendiri dapat dengan mudah memengaruhi hasilnya. Beberapa contoh, seperti CEO Coinbase yang dengan sengaja menyebut semua opsi taruhan dalam sebuah konferensi, mengilustrasikan masalah ini. Menanggapi hal tersebut, Kalshi telah memperketat kebijakan dengan mewajibkan pengguna mengungkapkan tempat kerja mereka untuk mencegah penyalahgunaan informasi orang dalam. Insiden Perez menandai langkah lain dalam pembersihan perdagangan orang dalam di industri pasar prediksi, sekaligus mempertanyakan keandalan pasar tersebut sebagai cerminan kebijaksanaan kolektif.

Odaily星球日报1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih, Meraup Lebih dari 100 Ribu Dolar AS dengan Prediksi Menggunakan Informasi Orang Dalam

Odaily星球日报1j yang lalu

Trading

Spot
活动图片