OpenAI在芯片方面的野心傳聞已久。

目睹了近年來PC和AI行業兩次重大的半導體供應危機之后，Sam Altman似乎認為臺積電、三星代工和英特爾代工這些傳統的芯片制造商沒有足夠的產能，不能滿足全球對AI芯片迅猛增長的需求。

不僅僅是OpenAI的算力需要減少對英偉達芯片的依賴，奧特曼甚至還希望建造更多的晶圓廠，可以穩定供給其他公司。

根據華爾街日報的報道，今年2月，奧特曼會見軟銀CEO和臺積電的談判代表，討論合資事宜，計劃在未來幾年內共同建造和運營數十座芯片制造工廠。

TSMC在亞利桑那州的在建工廠

然而，造芯片要燒的錢相比訓練大模型，只會多不會少。

根據奧特曼本人的估計，要建造新的半導體制造設備和相關基礎設施，成本可能高達5-7萬億美元。

由于傳統的私人風投很難一下子拿出這么多資金，奧特曼曾經找到美國商務部長討論，甚至遠赴新加坡和阿聯酋會見當地官員，想尋求國有資本的支持。

經過了半年多的籌備和發酵，OpenAI的芯片事業似乎真的要起步了！

芯片人才大戰，谷歌 vs. OpenAI

據SemiAnalysis的最新報道，OpenAI最近開始大規模招募，計劃將只有幾個人的芯片團隊擴展到幾十個人。

而且，他們延續了招聘人才的一貫策略——挖角谷歌。

新近招募的幾乎所有研究人員，都是現任或前任的谷歌TPU團隊成員。

不同于最初為圖形處理和實時渲染設計的GPU，TPU是谷歌從頭設計的，專門用于加速機器學習和神經網絡的計算，能夠更出色地解決張量運算問題。

GPU以ALU（高級算術邏輯單元）作為核心組件，而TPU的核心是矩陣乘法器單元（MXU），能夠以很高的吞吐量執行矩陣乘法和累加。

谷歌TPUv4

雖然TPU的任務通用性不如GPU，尤其是沒有CUDA這樣的編程接口，但在運算性能和能源效率方面表現出色，尤其是那些經過谷歌團隊特別優化的任務。

因此可以說，TPU是世界上性能/TCO（總體擁有成本）最優的機器學習基礎設施。

雖然谷歌的TPU已經有如此高的成就，但是OpenAI芯片團隊的工作機會依舊有多方面的吸引力。

首先是大公司和創業公司在發展速度上的本質差異。

TPU首次發布是在2013年，到今年5月最新推出的TPUv6，團隊已經有了十多年開發經驗。珠玉在前，系統設計和微架構很難有較大變動，更多的是迭代性、漸進式的改進。

加入OpenAI則不同，在從頭開始設計、開發的過程中，成員們有機會嘗試更創新、更激進的方法。

而且OpenAI一向雄心勃勃，他們的目標是構建由數百萬個加速器組成的系統，這比GPT-4的訓練還要大好幾個數量級。

此外，團隊合作模式也有很大的區別。

在尾大不掉的谷歌，雖然TPU團隊也會和DeepMind合作，但依舊會遇到不少非技術方面的障礙。

相比之下，OpenAI內部的芯片和模型團隊之間，交流與合作會更為緊密順暢。

除了這些，當然也有薪酬的差異。

實際上，Google TPU團隊已經是半導體設計領域中薪酬最高的團隊之一，工程師的平均收入遠高于AMD、英特爾、高通等大多數半導體公司，能和行業龍頭英偉達比肩。

OpenAI的基本工資雖然沒那么豐厚，但作為未上市的創業團隊，每年向高級工程師提供的價值數百萬美元的股權更加誘人。

有了這幾重因素的疊加，再加上CEO奧特曼本人親自參與了大部分的招聘工作，OpenAI招募到的人才質量令人驚嘆。

GPT-4o和Sora模型發布時，團隊成員背景、能力之強悍總能驚艷到網友。

GPT-4o 17人Omni金牌團隊首揭秘！清北上交中科大6位華人領銜

SemiAnalysis的記者向同行打聽這些被挖角的TPU人才時，總能得到這樣的回答，「他們是我合作過的最好的工程師之一」。

OpenAI之所以瞄準谷歌的TPU團隊，既是希望得到最先進的技術和人才，也同樣有商業競爭上的考量。

在硅谷的眾多科技巨頭中，只有谷歌研發的TPU能成功替代英偉達的芯片，并部署在公司內部的云服務中。

Meta、亞馬遜和微軟等公司雖然也在自研芯片方面做了很多努力，但依舊嚴重依賴英偉達。

在未來相當長的時間內，AMD和英偉達等半導體公司將依舊是OpenAI的合作伙伴，因此輕易得罪不起。

只有面對天生的死對頭——谷歌，OpenAI才敢如此肆無忌憚地挖角。（連發布會都要搶在谷歌I/O大會前一天開）

雖然已經獲得了如此強大的人才團隊，但是芯片研發依舊需要付出巨大的努力。

預計要到2027年底，OpenAI才能推出第一代自研芯片。在那之前，他們依舊會完全依賴商用芯片。

與微軟關系逐漸微妙

OpenAI自研芯片的決策有些讓人摸不到頭腦。背靠微軟的資金和Azure云服務的強大算力，為什么要燒錢自研芯片？

實際上，OpenAI的與微軟之間的關系已經愈發緊張，因為對于微軟而言，OpenAI是一家結構非常怪異的公司。

目前，它本質上依舊是一家完全獨立的非營利組織，由OpenAI Nonprofit管理。微軟作為無投票權的董事會觀察員，幾乎無法控制OpenAI的發展走向。

如果因為AGI安全問題，OpenAI董事會要求中止協議、收回模型的使用權，微軟就只能乖乖聽命，毫無還手之力。

AGI從所有的商業和知識產權許可協議中分割開來。 

董事會決定我們何時實現AGI。再次強調，AGI指的是一種高度自治的系統，在最具經濟價值的工作中優于人類表現。此類系統不包括在與微軟簽訂的IP許可和其他商業條款中，這些條款僅適用于AGI之前的技術。

因此，兩方面都在施行自己的「脫鉤」計劃。

OpenAI需要在芯片和算力方面逐漸獨立，微軟在試圖減少對OpenAI模型的依賴。

比如微軟近期投資Inflection AI，以及自行組建團隊開發Phi-3、MAI-1等模型，都是出于這方面的考量。

目前，許多企業用戶通過Azure使用OpenAI的技術，包括超過65%的《財富》500強公司。

微軟希望擁有自研的GPT-4級別LLM，以及滿足不同用戶需求的一系列模型，以便在Azure的推理服務中替換掉OpenAI。

對于OpenAI來說，想要在算力方面自給自足，購買英偉達芯片的成本過高，并不是最好的選擇。因此，自研芯片似乎是唯一出路。

實際上，不僅僅是OpenAI，Meta、微軟、谷歌和亞馬遜等公司也都在大力投資，開發自己的AI加速器。

這些AI巨頭一邊是英偉達最大的客戶，一邊也成為最有力的競爭對手。

畢竟，在模型訓練的過程中，算力已經幾乎成為占比最大的支出。如果能將購置芯片的資金轉變為內部投入，以制造成本部署GPU或TPU，模型的成本也將大幅下降。