从GPT-5到AI芯片厂，山姆·奥特曼在下一盘多大的棋？

作者：文子

编辑：小迪

来源：新火种

这一次OpenAI的野心真的太大了。

大规模招商，打造全球AI芯片厂

随着OpenAI估值逼近1000亿大关，山姆·奥特曼的野心再也藏不住了。他不再满足于血拼谷歌和苹果，而是直接向算力霸主英伟达开战。

据知情人士透露，山姆·奥特曼正在积极向全球投资者寻求庞大的资金支持，以便建立一座AI芯片制造厂。其中就包括阿布扎比的G42和日本的软银集团，尤其是在与G42的谈判中，涉及金额就已经接近80亿到100亿美元。

实际上，早在去年10月，G42公司就与OpenAI公司签署了合作协议，为当地和区域市场提供人工智能服务。紧接着12月就有报道称，G42正在试图筹集1000亿美元，但当时并没有关于这笔资金用途的任何信息。现在看来，很有可能是为了打造AI芯片厂而准备。

毕竟想要实现这一计划，必须面对庞大的资金需求。从成本上来看，先进的2纳米或3纳米级工艺技术，仅仅开发就需要数十亿美元，而且节点越小成本越高。想要一家能够在2纳米或3纳米级节点上大批量生产芯片的现代化晶圆厂，投资成本也将高达300亿美元。

此外，单个低数值孔径的EUV光刻工具的成本约为2亿美元，而高数值孔径光刻机的成本预计为3亿至4亿美元。也就是说，山姆·奥特曼此次想要建造AI芯片厂至少需要筹集数百甚至数千亿美元。

虽然目前参与该项目的合作伙伴和投资者的完整名单尚未确定，但有消息透露，山姆·奥特曼为了筹集所需资本，正在试图拉拢顶级芯片制造商合作，其中可能包括台积电、三星和英特尔。

一旦新的芯片工厂成立，将为全球市场提供AI芯片。

无芯训练GPT-5？全力对抗英伟达

事实上，山姆·奥特曼之所以着急寻找合作伙伴建立AI芯片厂，更多是一种无奈。根据相关媒体报道，现在的OpenAI很可能已经无芯可用。

这一点从山姆·奥特曼多次在公开场合的言辞中也可以看出，在过去一整年里，他几乎都在抱怨英伟达GPU短缺，导致OpenAI的GPU供应严重受限的问题。

尤其是因为这个问题，OpenAI被迫推迟了很多短期计划，比如微调、专用容量、32k上下文窗口、多模态等等，甚至还一度影响到API的可靠性和速度。

再加上ChatGPT的运营成本本就巨大。据统计，ChatGPT每次查询的成本约为 0.04 美元，如果ChatGPT查询量成长至谷歌搜索规模的十分之一，最初需要部署价值约481亿美元的 AI 芯片投入运算，每年还需要价值约 160 亿美元的芯片才能维持运作。

在多重因素交织的情况下，OpenAI不得不寻求新的途径，以免长期被芯片拿捏命脉。按照山姆·奥特曼的说法，算力受限会成为运行人工智能模型的主要障碍。

他预计，未来几年AI应用和相关计算力的需求将急剧增加。而OpenAI需要的是高端芯片，全球生产高端芯片的工厂本就不多，这将严重限制下一代AI模型的训练。

所以为了解决这个问题，山姆·奥特曼率先提出了倡议，计划建立一个全球工厂网络，以增加芯片产量，确保足够的算力资源。

据了解，山姆·奥特曼目前已经与美国国会议员探讨了芯片供应的问题，并讨论了在何处、以及如何建造新的工厂。

综合白宫最近对芯片行业的一系列补贴政策来看，山姆·奥特曼有一定可能会得到支持。据了解，2022年8月，总额达2800亿美元的美国《芯片法案》正式签署成法，其中有527亿美元将用于在未来5年内补贴建设和更新芯片厂，以促进半导体制造回流美国，鼓励企业在美国研发和制造芯片。

由此可见，美国当局打算投入巨额资金增加芯片产能的想法，也与山姆·奥特曼当下的做法不谋而合。

这一盘大棋，OpenAI下得完吗？

然而，山姆·奥特曼想要迅速建立起AI芯片制造工厂，并没有那么简单。

纵观全球范围内，诸如谷歌、微软等科技巨头都在不遗余力地研发自家的芯片，却仍然急于争取与英伟达的业务合作。这一现象的背后，不仅仅是因为英伟达在GPU性能上的卓越表现，更在于英伟达多年来耕耘而成的CUDA生态系统所带来的全面优势。

这正是OpenAI试图打破的桎梏，但从开发者的角度来看，OpenAI似乎只是在不断重复着类似的模式，换汤不换药罢了。

更何况，OpenAI似乎还带着一颗隐形的“雷”。因为OpenAI治理结构中存在着巨大的风险，这将显著降低开发人员在基于GPT提供服务方面的信心，也为谷歌、Meta等竞争对手提供了可趁之机。

即便有一天OpenAI真的克服千难万险构建出了AI芯片厂，随之而来的问题也不会减少。

以CoWoS封装产能为例，英伟达H100芯片的短缺问题主要源于CoWoS封装产能不足。台积电就曾在最近的财报电话会议上表示，将持续扩充先进封装，包括CoWoS产能。据设备厂商估算，台积电2023年CoWoS总产能将超过12万片，而2024年有望达到24万片。

这意味着想要提升一倍的产量，几乎需要一年左右的时间，背后原因可能在于生产工艺的复杂性。除此之外，H100所使用的HBM3系列内存也是生产上的一大难题，而这一命脉掌握在美光、SK海力士或三星等公司手中。

尤其是当前几乎所有AI训练和推理都依赖于同一种生成式，但随着时间的推移，更先进的GPU、CPU或其他新型处理器很可能会涌现，从而导致当前使用的供过于求。而这些都将是摆在OpenAI面前，不得不解决的问题。

从GPT-5到AI芯片厂，OpenAI还有很长的路要走。