OpenAI在芯片方面的野心传闻已久。
目睹了近年来PC和AI行业两次重大的半导体供应危机之后，Sam Altman似乎认为台积电、三星代工和英特尔代工这些传统的芯片制造商没有足够的产能，不能满足全球对AI芯片迅猛增长的需求。
不仅仅是OpenAI的算力需要减少对英伟达芯片的依赖，奥特曼甚至还希望建造更多的晶圆厂，可以稳定供给其他公司。
根据华尔街日报的报道，今年2月，奥特曼会见软银CEO和台积电的谈判代表，讨论合资事宜，计划在未来几年内共同建造和运营数十座芯片制造工厂。
TSMC在亚利桑那州的在建工厂
然而，造芯片要烧的钱相比训练大模型，只会多不会少。
根据奥特曼本人的估计，要建造新的半导体制造设备和相关基础设施，成本可能高达5-7万亿美元。
由于传统的私人风投很难一下子拿出这么多资金，奥特曼曾经找到美国商务部长讨论，甚至远赴新加坡和阿联酋会见当地官员，想寻求国有资本的支持。
经过了半年多的筹备和发酵，OpenAI的芯片事业似乎真的要起步了！
芯片人才大战，谷歌 vs. OpenAI
据SemiAnalysis的最新报道，OpenAI最近开始大规模招募，计划将只有几个人的芯片团队扩展到几十个人。
而且，他们延续了招聘人才的一贯策略——挖角谷歌。
新近招募的几乎所有研究人员，都是现任或前任的谷歌TPU团队成员。
不同于最初为图形处理和实时渲染设计的GPU，TPU是谷歌从头设计的，专门用于加速机器学习和神经网络的计算，能够更出色地解决张量运算问题。
GPU以ALU（高级算术逻辑单元）作为核心组件，而TPU的核心是矩阵乘法器单元（MXU），能够以很高的吞吐量执行矩阵乘法和累加。
谷歌TPUv4
虽然TPU的任务通用性不如GPU，尤其是没有CUDA这样的编程接口，但在运算性能和能源效率方面表现出色，尤其是那些经过谷歌团队特别优化的任务。
因此可以说，TPU是世界上性能/TCO（总体拥有成本）最优的机器学习基础设施。
虽然谷歌的TPU已经有如此高的成就，但是OpenAI芯片团队的工作机会依旧有多方面的吸引力。
首先是大公司和创业公司在发展速度上的本质差异。
TPU首次发布是在2013年，到今年5月最新推出的TPUv6，团队已经有了十多年开发经验。珠玉在前，系统设计和微架构很难有较大变动，更多的是迭代性、渐进式的改进。
加入OpenAI则不同，在从头开始设计、开发的过程中，成员们有机会尝试更创新、更激进的方法。
而且OpenAI一向雄心勃勃，他们的目标是构建由数百万个加速器组成的系统，这比GPT-4的训练还要大好几个数量级。
此外，团队合作模式也有很大的区别。
在尾大不掉的谷歌，虽然TPU团队也会和DeepMind合作，但依旧会遇到不少非技术方面的障碍。
相比之下，OpenAI内部的芯片和模型团队之间，交流与合作会更为紧密顺畅。
除了这些，当然也有薪酬的差异。
实际上，Google TPU团队已经是半导体设计领域中薪酬最高的团队之一，工程师的平均收入远高于AMD、英特尔、高通等大多数半导体公司，能和行业龙头英伟达比肩。
OpenAI的基本工资虽然没那么丰厚，但作为未上市的创业团队，每年向高级工程师提供的价值数百万美元的股权更加诱人。
有了这几重因素的叠加，再加上CEO奥特曼本人亲自参与了大部分的招聘工作，OpenAI招募到的人才质量令人惊叹。
GPT-4o和Sora模型发布时，团队成员背景、能力之强悍总能惊艳到网友。
GPT-4o 17人Omni金牌团队首揭秘！清北上交中科大6位华人领衔
SemiAnalysis的记者向同行打听这些被挖角的TPU人才时，总能得到这样的回答，「他们是我合作过的最好的工程师之一」。
OpenAI之所以瞄准谷歌的TPU团队，既是希望得到最先进的技术和人才，也同样有商业竞争上的考量。
在硅谷的众多科技巨头中，只有谷歌研发的TPU能成功替代英伟达的芯片，并部署在公司内部的云服务中。
Meta、亚马逊和微软等公司虽然也在自研芯片方面做了很多努力，但依旧严重依赖英伟达。
在未来相当长的时间内，AMD和英伟达等半导体公司将依旧是OpenAI的合作伙伴，因此轻易得罪不起。
只有面对天生的死对头——谷歌，OpenAI才敢如此肆无忌惮地挖角。（连发布会都要抢在谷歌I/O大会前一天开）
虽然已经获得了如此强大的人才团队，但是芯片研发依旧需要付出巨大的努力。
预计要到2027年底，OpenAI才能推出第一代自研芯片。在那之前，他们依旧会完全依赖商用芯片。
与微软关系逐渐微妙
OpenAI自研芯片的决策有些让人摸不到头脑。背靠微软的资金和Azure云服务的强大算力，为什么要烧钱自研芯片？
实际上，OpenAI的与微软之间的关系已经愈发紧张，因为对于微软而言，OpenAI是一家结构非常怪异的公司。
目前，它本质上依旧是一家完全独立的非营利组织，由OpenAI Nonprofit管理。微软作为无投票权的董事会观察员，几乎无法控制OpenAI的发展走向。
如果因为AGI安全问题，OpenAI董事会要求中止协议、收回模型的使用权，微软就只能乖乖听命，毫无还手之力。
AGI从所有的商业和知识产权许可协议中分割开来。
董事会决定我们何时实现AGI。再次强调，AGI指的是一种高度自治的系统，在最具经济价值的工作中优于人类表现。此类系统不包括在与微软签订的IP许可和其他商业条款中，这些条款仅适用于AGI之前的技术。
因此，两方面都在施行自己的「脱钩」计划。
OpenAI需要在芯片和算力方面逐渐独立，微软在试图减少对OpenAI模型的依赖。
比如微软近期投资Inflection AI，以及自行组建团队开发Phi-3、MAI-1等模型，都是出于这方面的考量。
目前，许多企业用户通过Azure使用OpenAI的技术，包括超过65%的《财富》500强公司。
微软希望拥有自研的GPT-4级别LLM，以及满足不同用户需求的一系列模型，以便在Azure的推理服务中替换掉OpenAI。
对于OpenAI来说，想要在算力方面自给自足，购买英伟达芯片的成本过高，并不是最好的选择。因此，自研芯片似乎是唯一出路。
实际上，不仅仅是OpenAI，Meta、微软、谷歌和亚马逊等公司也都在大力投资，开发自己的AI加速器。
这些AI巨头一边是英伟达最大的客户，一边也成为最有力的竞争对手。
毕竟，在模型训练的过程中，算力已经几乎成为占比最大的支出。如果能将购置芯片的资金转变为内部投入，以制造成本部署GPU或TPU，模型的成本也将大幅下降。
