OpenAI現時發展的最大障礙是AI運算資源不足，而輝達（NVIDIA）的AI晶片供應量又十分緊張，故此執行長奧特曼念茲在茲，就是擁有自家AI半導體供應鏈。近日有消息傳出，OpenAI正跟博通（Broadcom）與台積電合作，共同設計與製造首款自研AI晶片，預計在2026年投產。究竟此舉是否可以幫助OpenAI擺脫對NVIDIA的依賴？這樣對全球AI半導體供應鏈布局又會帶來甚麼影響？

Read More：

擺脫對NVIDIA GPU依賴！OpenAI擬跟博通合作研發自家AI晶片，能否打破輝達壟斷地位？　

OpenAI自己造AI晶片！奧特曼擬集資7兆美元建數十座廠房！能撼動半導體產業版圖？

OpenAI自主研發和設計晶片

　　現時市場上大部分AI工具都是使用輝達的圖像處理器（GPU）來執行運算。全球各大科技企業、以至國家政府均積極搶購NVIDIA GPU，用作建構自家大型語言模型，以致晶片供不應求，價格不斷攀升。自2022年起，OpenAI已高度關注AI晶片供貨不足與成本偏高的問題。

　　OpenAI執行長山姆·奧特曼（Sam Altman）經常抱怨，GPU供應緊張，讓OpenAI難以全力研發「通用人工智能」（Artificial General Intelligence，AGI）。曾有消息傳出，奧特曼試圖募集5兆至7兆美元（約39兆至54.6兆港元）的資金，興建數十座晶片廠，建立自家的AI半導體供應鏈。

儘管奧特曼希望組建最強的AI晶片研發團隊，但對從NVIDIA挖角卻抱持著謹慎態度，因為他仍想跟NVIDIA保持良好關係，所以目前團隊成員主要是來自Google。（圖片來源：OpenAI官方YouTube影片）

　　後來考慮到建廠所需的成本過高，實行難度也太大，所以奧特曼打消了這個念頭，改為仿傚Google、微軟（Microsoft）、亞馬遜（Amazon）等雲端巨頭的做法，自主研發和設計AI晶片，再委託晶圓廠代工生產。

看中博通助Google設計TPU

　　有消息指，OpenAI過去幾個月已找來博通（Broadcom）合作設計自研AI晶片。這款設計中的晶片是專攻邏輯推理，可應用於預測和決策運算。當今大型語言模型的運算目的，主要分為AI模型訓練、以及邏輯推理。現時市場對模型訓練晶片的需求較大，但未來隨著AI應用逐漸普及，各式AI工具被廣泛部署後，推理晶片的需求將會超越訓練晶片。由此可見，OpenAI埋首於設計推理晶片，其實是針對後市發展提早布局。

　　OpenAI內部已成立一支約20人的晶片研發團隊，找來諾利（Thomas Norrie）與Richard Ho等曾替Google開發張量處理器（TPU）的資深工程師領導研發。OpenAI選擇跟Broadcom合作，也是看中博通曾協助Google設計TPU。

Google Gemini由TPU推動

　　Google是全球首家研製自家AI晶片的雲端供應商，其TPU中的「T」代表著「Tensor」（張量），意指高階AI應用運作背後所需的大型矩陣乘法運算。這是針對Google內部運算需求而設計的自研晶片，自2015年起已應用於自家數據中心，後來更廣泛引進到Google Cloud 平台；目前Google旗下大型語言模型Gemini與AI聊天機械人，也依靠TPU進行運算。

　　2018年，Google發表第二代TPU，專精於AI推理擴展與訓練，並開始透過Google Cloud平台提供給外部公司使用，能夠替代NVIDIA GPU執行AI運算，客戶包括：蘋果（Apple）、OpenAI、Airbnb、以及Recursion Pharmaceuticals等。

TPU適合處理大規模深度學習

　　iPhone 16系列所用的AI模型Apple Intelligence，正是使用Google TPU訓練而成。Apple之所以選擇TPU而不是NVIDIA GPU，主要原因是TPU非常適合處理大規模的深度學習（Deep Learning）項目，正好符合Apple Intelligence的訓練要求。當然，TPU服務收費比採購NVIDIA GPU便宜得多，也是另一重要因素。

有消息傳出，OpenAI可能採用台積電的1.6納米製程來生產其自研AI晶片。（圖片來源：台積電官網）

　　美國金融顧問研究機構Bernstein Research資深半導體研究員史黛西·拉斯岡（Stacy Rasgon） 指出，雖然NVIDIA GPU在AI領域的兼容性很高，適用於各式各樣的AI運算，而且運算效能非常卓越，但其供應量卻一直追不上市場需求，而TPU卻沒有這方面的問題。

　　可是，要製造出足以匹敵NVIDIA GPU的TPU卻非易事。有鑑於研發過程太過複雜，就算是Google也要找外援幫忙，於是Broadcom從初代TPU起已參與晶片設計：Google負責TPU的核心設計，博通則負責設計TPU的周邊細節，確保晶片能夠串連外部設備，保持正常運作。完成設計圖後，Google與Broadcom共同將之送交給台積電，進行代工生產。

OpenAI力求晶片供應多元化

　　據悉，OpenAI已透過博通，成功預訂台積電產能，可望於2026年量產其自研晶片。然而，遠水卻不能救近火，故此OpenAI亦打算使用超微（AMD）的AI晶片，將會透過微軟Azure雲端平台，取用AMD MI300X的運算力，以分散晶片供貨來源，降低對NVIDIA的依賴程度。

TPU具有高效能、低功耗的特點，現已在Google Cloud 平台上廣泛使用，可供AI開發者租用，研發大規模機器學習項目。（圖片來源：Google Cloud官網）

　　NVIDIA GPU始終是市場上運算效能最強的AI晶片，OpenAI不可以完全放棄使用。因此長遠而言，OpenAI將會採取兼收並蓄的策略，同時使用自研晶片、AMD晶片、以及NVIDIA GPU。事實上，微軟、亞馬遜都有研製自家AI晶片，惟每當輝達有新一代效能更強的GPU上市，他們仍是會大手搶購。因此，未來OpenAI推出自研晶片，頂多是補足自身的運算力缺口，根本不足以動搖NVIDIA的AI晶片龍頭地位。