電子發燒友網報道（文/周凱揚）在生成式AI和大模型帶來的AI洪流下，不少大廠都不約而同地選擇了自研AI芯片。即便這意味著組建新的團隊，花費大量的資金，但從長遠發展的角度來看，自研芯片似乎成了勢在必行。然而掀起這股AI洪流，或者說將其推向浪尖的“始作俑者”，OpenAI，卻也已經在計劃著自研芯片。

有了英偉達供應的前提下為何要走向自研之路

稍有關注OpenAI動向的話，想必也對2023年底OpenAI鬧出的離職風波有所耳聞。據外網報道，在OpenAI鬧劇期間，Sam Altman已經在秘密籌劃一項數十億美元的芯片項目（據稱項目名為Tigris）。甚至其去年的中東之行，就是為了給這一項目籌集資金。

在各大公司都選擇批量掃貨的前提下，去年用于AI服務器的英偉達GPU處于一個極度缺貨的狀態，比如Meta就在月初宣布計劃再購買35萬塊英偉達的H100 GPU。就連為OpenAI提供服務器的微軟，也面臨著擴大AI服務器規模的困難。為此微軟也在加快內部AI芯片的研發進程，但微軟的這一芯片必然不是單純為了OpenAI打造的，而是面向所有Azure的客戶。

更別說OpenAI面臨著超高的運維成本，網傳OpenAI每天的服務器運維費用高達70萬美元。
在如此高昂的服務器硬件與運維成本下，OpenAI也開展了相關的訂閱收費模式ChatGPT Plus，費用為20美元每月。

但據統計，去年10月份ChatGPT Plus的訂閱用戶只有20多萬，這樣的用戶規模根本沒法覆蓋運維支出。更何況因為硬件資源的限制，OpenAI一直在限制ChatGPT Plus的訂閱用戶規模，以免出現服務器負載過高的情況。

為此，OpenAI要想進一步降本增效，并保證下一代GPT模型能有足夠的算力支撐，走上自研這條路倒也情有可原。由OpenAI自研的芯片，自然會專為GPT模型作針對性的優化，也有利于未來的模型與硬件迭代。

從資金、設計到制造，OpenAI尋求外援

然而自研造芯不僅需要組建一個設計團隊，也需要半導體制造廠商的支持，更別說打造高性能AI芯片的資金了。據了解，阿布扎比的G42和日本的軟銀已經與Sam Altman展開合作交談，這些投資者將為OpenAI提供足夠的資金來打造一個AI芯片的制造網絡。

據傳這一投資也拉到了臺積電的合作，后者將為其提供芯片的支持。要知道目前用于AI芯片的CoWoS先進封裝產能可是炙手可熱，即便臺積電在積極擴產，但在源源不斷的制造訂單下，可能仍然難以滿足云服務廠商和互聯網廠商們的AI芯片需求。

再者就是HBM的產能，除了算力對邏輯芯片提出的高要求外，AI應用所需的高帶寬也對存儲芯片提出了不少的要求，甚至在近年推出的一大批AI芯片中，HBM內存已經成了標配?？蒆BM有限的制造廠商們卻面臨著產能緊缺的問題，比如SK海力士就透露其2024年的HBM3和HBM3E產能已經全部售罄，甚至已經在和客戶商討2025年的訂單。

其實早在去年6月，Sam Altman就曾訪問韓國，并與韓國總統尹錫悅會面，并提議韓國應該多多關注芯片產能問題。上周，Sam Altman再度訪韓，據悉其參觀了三星電子的半導體產線，并會見了三星的芯片業務負責人，這之后又與SK海力士的CEO進行了會談。此行的目的已經很明顯了，這兩大HBM廠商都已經打入了英偉達的AI芯片HBM內存供應鏈中，尤其是SK海力士。

OpenAI要想自研AI芯片，勢必用上最新的HBM內存，那么與存儲廠商直接預訂產能是最好的選擇。這也是自研AI芯片面臨的難處之一，英偉達這類已經有大量訂單和多年設計經驗的廠商，在晶圓代工廠往往有著更大的話語權，能夠搶占到更大的產能。如果OpenAI能夠拋出大批量的訂單的話，或許可以說動臺積電、三星和SK海力士等廠商為其騰出額外的產能。

自研的其他捷徑

對于OpenAI來說，自研AI芯片固然存在著很多阻礙，但在這個設計路線已經與過去大不相同的時期，也有不少捷徑可走，比如Chiplet技術。谷歌TPU項目的負責人之一Richard Ho從去年11月起，已被OpenAI聘請為硬件部門的負責人。但從其公開招募的職位來看，OpenAI還沒有大規模組建硬件設計團隊。

即便如此，OpenAI依然有著縮短芯片設計周期的手段，那就是通過Chiplet技術，降低設計芯片的工程量。其自研的部門只需要涵蓋芯片的邏輯計算部分，其余的I/O等模塊，均可以靠第三方IP打造的Chiplet進行實現。

如此一來不僅可以充分利用異構集成的高性價比，也可以通過重復利用IP來避免反復造輪子的情況，也更容易實現芯片的迭代，不需要組建一整個大型硬件設計團隊，從而將更多精力放在計算核心的設計，以及與軟硬件的聯調上。更重要的是KGD的優勢保證了Chiplet的良率，也就直接提高最終AI芯片成品的良率，對于新晉芯片設計廠商而言，這能有效地降低制造分享。

寫在最后

從OpenAI或將自研芯片的動向或傳言來看，AI的框架和應用走向成熟和爆紅，僅僅只是實現成功的第一步。要想實現可持續的商業化落地，還是少不了硬件的支撐，尤其是與模型契合的AI芯片。所以只要是可以負擔得起大投入和高風險的AI公司，都會考慮自研專用AI芯片。

同時，我們也可以看出OpenAI的野心確實不小，不少AI模型/應用開發商并沒有這個魄力去選擇自研的道路，因為絕大多數競爭對手的運營方式還是靠服務器托管，以訂閱制或Token數來進行收費，其用戶量也還沒達到云服務廠商難以維系的程度。而OpenAI憑借ChatGPT成為落地AI應用的領頭羊，甚至不少云服務廠商親自下場也沒能實現ChatGPT的熱度?；蛟S對于OpenAI而言，自研芯片固然風險極高，卻依然是推動公司進入下一階段的最優解。