方展策｜OpenAI进军半导体领域！携手台积电、博通开发自研芯片
OpenAI现时发展的最大障碍是AI运算资源不足，而英伟达（NVIDIA）的AI芯片供应量又十分紧张，故此执行长奥尔特曼念兹在兹，就是拥有自家AI半导体供应链。近日有消息传出，OpenAI正跟博通（Broadcom）与台积电合作，共同设计与制造首款自研AI芯片，预计在2026年投产。究竟此举是否可以帮助OpenAI摆脱对NVIDIA的依赖？这样对全球AI半导体供应链布局又会带来什么影响？
现时市场上大部分AI工具都是使用英伟达的图像处理器（GPU）来执行运算。全球各大科技企业、以至国家政府均积极抢购NVIDIA GPU，用作建构自家大型语言模型，以致芯片供不应求，价格不断攀升。自2022年起，OpenAI已高度关注AI芯片供货不足与成本偏高的问题。
OpenAI执行长萨姆·奥尔特曼（Sam Altman）经常抱怨，GPU供应紧张，让OpenAI难以全力研发“通用人工智能”（Artificial General Intelligence，AGI）。曾有消息传出，奥尔特曼试图募集5兆至7兆美元（约39兆至54.6兆港元）的资金，兴建数十座芯片厂，建立自家的AI半导体供应链。
尽管奥尔特曼希望组建最强的AI芯片研发团队，但对从NVIDIA挖角却抱持着谨慎态度，因为他仍想跟NVIDIA保持良好关系，所以目前团队成员主要是来自Google。（图片来源：OpenAI官方YouTube影片）
后来考虑到建厂所需的成本过高，实行难度也太大，所以奥尔特曼打消了这个念头，改为仿效Google、微软（Microsoft）、亚马逊（Amazon）等云端巨头的做法，自主研发和设计AI芯片，再委托晶圆厂代工生产。
有消息指，OpenAI过去几个月已找来博通（Broadcom）合作设计自研AI芯片。这款设计中的芯片是专攻逻辑推理，可应用于预测和决策运算。当今大型语言模型的运算目的，主要分为AI模型训练、以及逻辑推理。现时市场对模型训练芯片的需求较大，但未来随着AI应用逐渐普及，各式AI工具被广泛部署后，推理芯片的需求将会超越训练芯片。由此可见，OpenAI埋首于设计推理芯片，其实是针对后市发展提早布局。
OpenAI内部已成立一支约20人的芯片研发团队，找来诺利（Thomas Norrie）与Richard Ho等曾替Google开发张量处理器（TPU）的资深工程师领导研发。OpenAI选择跟Broadcom合作，也是看中博通曾协助Google设计TPU。
Google是全球首家研制自家AI芯片的云端供货商，其TPU中的“T”代表着“Tensor”（张量），意指高阶AI应用运作背后所需的大型矩阵乘法运算。这是针对Google内部运算需求而设计的自研芯片，自2015年起已应用于自家数据中心，后来更广泛引进到Google Cloud平台；目前Google旗下大型语言模型Gemini与AI聊天机械人，也依靠TPU进行运算。
2018年，Google发表第二代TPU，专精于AI推理扩展与训练，并开始透过Google Cloud平台提供给外部公司使用，能够替代NVIDIA GPU执行AI运算，客户包括：苹果（Apple）、OpenAI、Airbnb、以及Recursion Pharmaceuticals等。
iPhone 16系列所用的AI模型Apple Intelligence，正是使用Google TPU训练而成。Apple之所以选择TPU而不是NVIDIA GPU，主要原因是TPU非常适合处理大规模的深度学习（Deep Learning）项目，正好符合Apple Intelligence的训练要求。当然，TPU服务收费比采购NVIDIA GPU便宜得多，也是另一重要因素。
有消息传出，OpenAI可能采用台积电的1.6纳米制程来生产其自研AI芯片。（图片来源：台积电官网）
美国金融顾问研究机构Bernstein Research资深半导体研究员史黛西·拉斯冈（Stacy Rasgon）指出，虽然NVIDIA GPU在AI领域的兼容性很高，适用于各式各样的AI运算，而且运算效能非常卓越，但其供应量却一直追不上市场需求，而TPU却没有这方面的问题。
可是，要制造出足以匹敌NVIDIA GPU的TPU却非易事。有鉴于研发过程太过复杂，就算是Google也要找外援帮忙，于是Broadcom从初代TPU起已参与芯片设计：Google负责TPU的核心设计，博通则负责设计TPU的周边细节，确保芯片能够串连外部设备，保持正常运作。完成设计图后，Google与Broadcom共同将之送交给台积电，进行代工生产。
据悉，OpenAI已透过博通，成功预订台积电产能，可望于2026年量产其自研芯片。然而，远水却不能救近火，故此OpenAI亦打算使用超威（AMD）的AI芯片，将会透过微软Azure云端平台，取用AMD MI300X的运算力，以分散芯片供货来源，降低对NVIDIA的依赖程度。
TPU具有高效能、低功耗的特点，现已在Google Cloud平台上广泛使用，可供AI开发者租用，研发大规模机器学习项目。（图片来源：Google Cloud官网）
NVIDIA GPU始终是市场上运算效能最强的AI芯片，OpenAI不可以完全放弃使用。因此长远而言，OpenAI将会采取兼收并蓄的策略，同时使用自研芯片、AMD芯片、以及NVIDIA GPU。事实上，微软、亚马逊都有研制自家AI芯片，惟每当英伟达有新一代效能更强的GPU上市，他们仍是会大手抢购。因此，未来OpenAI推出自研芯片，顶多是补足自身的运算力缺口，根本不足以动摇NVIDIA的AI芯片龙头地位。
作者：方展策
《经济通》所刊的署名及／或不署名文章，相关内容属作者个人意见，并不代表《经济通》立场，《经济通》所扮演的角色是提供一个自由言论平台。