OpenAI 自研芯片的計劃終于看到了實質(zhì)性進展。根據(jù) SemiAnalysis 最近的一篇文章，他們正從谷歌 TPU 團隊招募人才，擴展自己的芯片研發(fā)組。
OpenAI 在芯片方面的野心傳聞已久。
目睹了近年來 PC 和 AI 行業(yè)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(tǒng)的芯片制造商沒有足夠的產(chǎn)能，不能滿足全球?qū)?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，阿爾特曼甚至還希望建造更多的晶圓廠，可以穩(wěn)定供給其他公司。
根據(jù)華爾街日報的報道，今年 2 月，阿爾特曼會見軟銀 CEO 和臺積電的談判代表，討論合資事宜，計劃在未來幾年內(nèi)共同建造和運營數(shù)十座芯片制造工廠。
然而，造芯片要燒的錢相比訓練大模型，只會多不會少。根據(jù)阿爾特曼本人的估計，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(tǒng)的私人風投很難一下子拿出這么多資金，阿爾特曼曾經(jīng)找到美國商務部長討論，甚至遠赴新加坡和阿聯(lián)酋會見當?shù)毓賳T，想尋求國有資本的支持。
經(jīng)過了半年多的籌備和發(fā)酵，OpenAI 的芯片事業(yè)似乎真的要起步了！
芯片人才大戰(zhàn)，谷歌 vs. OpenAI
據(jù) SemiAnalysis 的最新報道，OpenAI 最近開始大規(guī)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(xù)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(xiàn)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(jīng)網(wǎng)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(zhí)行矩陣乘法和累加。
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(xiàn)出色，尤其是那些經(jīng)過谷歌團隊特別優(yōu)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(yōu)的機器學習基礎設施。
雖然谷歌的 TPU 已經(jīng)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(chuàng)業(yè)公司在發(fā)展速度上的本質(zhì)差異。
TPU 首次發(fā)布是在 2013 年，到今年 5 月最新推出的 TPUv6，團隊已經(jīng)有了十多年開發(fā)經(jīng)驗。珠玉在前，系統(tǒng)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(fā)的過程中，成員們有機會嘗試更創(chuàng)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(shù)百萬個加速器組成的系統(tǒng)，這比 GPT-4 的訓練還要大好幾個數(shù)量級。
此外，團隊合作模式也有很大的區(qū)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(nèi)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(jīng)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(shù)半導體公司，能和行業(yè)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(chuàng)業(yè)團隊，每年向高級工程師提供的價值數(shù)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 阿爾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(zhì)量令人驚嘆。
GPT-4o 和 Sora 模型發(fā)布時，團隊成員背景、能力之強悍總能驚艷到網(wǎng)友。
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(yè)競爭上的考量。
在硅谷的眾多科技巨頭中，只有谷歌研發(fā)的 TPU 能成功替代英偉達的芯片，并部署在公司內(nèi)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(nèi)，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(fā)布會都要搶在谷歌 I / O 大會前一天開）
雖然已經(jīng)獲得了如此強大的人才團隊，但是芯片研發(fā)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(jīng)愈發(fā)緊張，因為對于微軟而言，OpenAI 是一家結(jié)構非常怪異的公司。
目前，它本質(zhì)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(fā)展走向。
如果因為 AGI 安全問題，OpenAI 董事會要求中止協(xié)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(yè)和知識產(chǎn)權許可協(xié)議中分割開來。
董事會決定我們何時實現(xiàn) AGI。再次強調(diào)，AGI 指的是一種高度自治的系統(tǒng)，在最具經(jīng)濟價值的工作中優(yōu)于人類表現(xiàn)。此類系統(tǒng)不包括在與微軟簽訂的 IP 許可和其他商業(yè)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(fā) Phi-3、MAI-1 等模型，都是出于這方面的考量。
目前，許多企業(yè)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(fā)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(jīng)成為占比最大的支出。如果能將購置芯片的資金轉(zhuǎn)變?yōu)閮?nèi)部投入，以制造成本部署 GPU 或 TPU，模型的成本也將大幅下降。
參考資料：
https://www.semianalysis.com/p/openai-chip-team-is-now-serious
https://www.wevolver.com/article/tpu-vs-gpu-in-ai-a-comprehensive-guide-to-their-roles-and-impact-on-artificial-intelligence
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。