據路透社報道，OpenAI 正在聯合博通、臺積電開發其首款自主設計的推理芯片，用于支持其人工智能系統。除此之外，OpenAI 還計劃在采用英偉達芯片的基礎上，增加采用 AMD 芯片，以滿足其激增的基礎設施需求。

此前，OpenAI 已經研究了一系列方案旨在實現芯片供應多樣化并降低成本，曾考慮過在公司內部設計制造，也計劃建立一個“晶圓代工廠網絡”。

然而，由于建立晶圓代工廠網絡需要太多的成本和時間，OpenAI 暫時放棄了這一“雄心勃勃”的計劃，轉而專注于內部芯片設計工作。

（來源：路透社）

受該消息影響，博通股價上漲，周二收盤漲幅超過 4.5%；AMD 股價也延續早盤漲幅，收盤上漲 3.7%。

OpenAI 針對 AI 推理打造自研芯片

消息人士稱，OpenAI 正在與博通和臺積電合作開發人工智能推理芯片，用于在經過訓練后運行人工智能模型，以滿足其不斷增長的基礎設施需求。

在研究了一系列芯片多元化供應和降低成本的方案之后，OpenAI 做出了這一決定。具體而言，一方面，OpenAI 開發自研人工智能推理芯片（放棄曾經設想的晶圓代工網絡計劃）；另一方面，除了英偉達之外，OpenAI 還增加采用 AMD 的人工智能芯片，以實現芯片的多元化供應。

消息人士稱，OpenAI 計劃開發定制芯片并用于人工智能推理已有一年左右的時間，為了打造其首款專注于推理的人工智能芯片，數月以來 OpenAI 一直與博通合作，但目前討論仍處于早期階段。

據消息人士透露，OpenAI 目前已組建了一支約 20 人的芯片團隊，由 Richard Ho 和 Thomas Norrie 領導，兩位曾是在谷歌領導開發張量處理單元（TPU）的高級工程師；同時，OpenAI 已通過博通與臺積電確定了制造能力，計劃在 2026 年推出第一款 AI 芯片（但時間表仍可能會變化）；此外，OpenAI 也在探索其他并行方案，不排除后續會引入更多合作伙伴。

選擇與合作伙伴聯合開發定制芯片對于 OpenAI 來說似乎是一條更快、更容易實現的途徑。通過與博通和臺積電合作，OpenAI 可以利用成熟的芯片制造能力，比完全內部開發更快地發展。不過，OpenAI 也并未完全放棄未來可能會繼續構建“晶圓代工廠網絡”的宏偉計劃。

芯片制造不外乎設計和生產?？v觀全球，在生產方面，臺積電的制造能力毋庸置疑，而 OpenAI 之所以選擇博通，很大程度上是考量到其在定制芯片領域的經驗。據了解，博通與谷歌、Meta 等科技巨頭都有合作。曾有分析指出，在當前人工智能的浪潮下，博通的營收和股價漲幅明顯，是繼英偉達之后的另一個贏家。

消息人士稱，在探索自研芯片的過程中，OpenAI 對從英偉達“挖人”持謹慎態度，因為它希望與英偉達保持良好的合作關系，尤其是在眼下 Blackwell 芯片即將發貨之際。

路透社指出，類似于微軟、谷歌、亞馬遜和 Meta 等行業巨頭，OpenAI 利用行業合作伙伴關系以及內部和外部方法的組合來確保芯片供應并管理成本。同時，作為全球最大的 AI 芯片買家之一，OpenAI 在開發自研芯片的同時還從多家芯片制造商處采購，這個決定可能會對科技行業產生更廣泛的影響。

未來對推理芯片的需求可能會超過訓練

在人工智能領域，芯片是不可或缺的核心“引擎”。就目前而言，市面上超 80% 的 AI 芯片被英偉達壟斷，其芯片幾乎成了人工智能訓練的“標配”。比如，馬斯克的 xAI 公司尋求將其 Colossus 數據中心的數量增加一倍，達到 20 萬顆英偉達 H100 芯片。

面對日益增加的算力需求，以及英偉達 AI 芯片的供不應求和較高的成本，其客戶微軟、Meta 等也紛紛開始探索其他替代方案。

相較于采購第三方芯片，開發自研芯片是提高性能、優化功耗、降低成本的有效途徑之一，企業也可根據自身特定需求打造差異化的產品。比如，蘋果開發出 M 系列芯片，進而脫離了英特爾的芯片供應。很大程度上，自研芯片將使 OpenAI 能夠定制其基礎設施能夠同時滿足技術需求和預算限制。

然而冰凍三尺非一日之寒，自研芯片面臨的挑戰十分巨大，設計和制造芯片不但需要巨額資金和技術投入，并且芯片研發往往需要數年的設計及測試周期。

更為關鍵的是，OpenAI 進軍內部自研芯片是主要科技公司和人工智能公司更廣泛趨勢的一部分，即開發專用硬件，比通用 GPU 更有效地滿足人工智能工作負載的獨特需求。

雖然現階段業界對訓練芯片的需求更大，但分析師預測，隨著越來越多人工智能應用的部署，科技公司使用人工智能模型來承擔更復雜的任務，對支持推理的芯片的需求會持續增長，預計未來對推理芯片的需求可能會超過訓練芯片。

在 AI 領域，訓練和推理是兩個不同的過程，所需的硬件也有所不同。其中，訓練是讓機器學習模型通過大量的數據進行學習的過程，由于訓練階段的數據量龐大且計算密集度高，所以對計算資源的需求非常高。

而推理是使用已經訓練好的模型來進行預測或決策的過程。與訓練相比，推理通常不需要頻繁地調整參數，更多的是執行已知的計算操作，然而推理往往需要實時響應，尤其是在自動駕駛、語音識別等領域，并且 AI 推理設備通常部署在端側（比如手機、電腦等），因此推理芯片的微型化和能效比顯得非常重要。

在端側，IDC 預計 2025 年全球物聯網設備總數或將超過 400 億臺，產生數據量多達 80 ZB，在智慧城市、智能家居、自動駕駛等諸多場景中，將有超一半的數據依賴端側處理。

此次，以開發云端大模型著稱的 OpenAI 布局 AI 推理芯片，似乎暗示了該公司對未來計算架構的長遠規劃，AI 推理芯片的開發或許可被視為是為了支持未來更加廣泛的 AI 應用，比如端側大模型的部署。

事實上，業界普遍認為，端側大模型或將成為未來趨勢。對比云端大模型，端側大模型更為輕量化，通過在設備上直接進行推理，無需聯網，減少延遲，大幅提高實時響應，同時也減少了隱私泄露的風險，兼具實時性、保密性和經濟性。

參考資料：

1.https://www.reuters.com/technology/artificial-intelligence/openai-builds-first-chip-with-broadcom-tsmc-scales-back-foundry-ambition-2024-10-29/

2.https://www.bloomberg.com/news/articles/2024-10-29/openai-broadcom-working-to-develop-ai-chip-focused-on-inference

3.https://siliconangle.com/2024/10/29/openai-reportedly-working-broadcom-tsmc-develop-custom-ai-inference-chip/