据媒体报道，生成式人工智能领导者OpenAI正在探索自研AI芯片，甚至已经评估了潜在的收购目标。

知情人士表示，随着训练人工智能模型的芯片短缺情况恶化，OpenAI内部关于人工智能芯片战略的讨论至少从去年就开始了。OpenAI正在考虑采取多种策略来推进其芯片的“自给自足”计划，包括与更多芯片制造商合作以提高供应商的多元化、收购AI芯片制造商、加大内部设计芯片的力度等等。

报道还提到，OpenAI的首席执行官Sam Altman已将购买更多人工智能芯片作为公司的首要任务。目前，OpenAI与大多数竞争对手一样，依靠基于GPU的硬件来开发ChatGPT、GPT-4和DALL-E 3等模型。GPU并行执行多项计算的能力使其非常适合训练当今最强大的人工智能。

生成式人工智能的蓬勃发展给英伟达等GPU制造商带来了意外之财，旗下的芯片也是供不应求。目前，全球最适合运行AI应用的芯片有80%以上被英伟达“垄断”。据悉，英伟达性能最好的AI芯片在2024年之前都已售空。微软在二季度财报中警告称，运行人工智能所需的服务器硬件严重短缺，可能会导致服务中断。

GPU对于OpenAI运行和服务其AI模型至关重要。当前OpenAI依靠云上的GPU集群来执行客户的工作负载，这样做的成本极高。Bernstein分析师Stacy Rasgon的一项分析发现，如果ChatGPT查询规模增长到Google搜索规模的十分之一，需要价值约481亿美元的GPU，每年需要价值约160亿美元的芯片才能保持运行。

OpenAI并不是第一个尝试自研人工智能芯片的公司。因为OpenAI遇到的芯片短缺及成本问题也是其他科技企业所面临的共同难题。

现阶段，谷歌有TPU(张量处理单元)可用于训练PaLM-2和Imagen等大型生成式AI模型。亚马逊向AWS客户提供用于训练和推理的专有芯片。据报道，微软正在与AMD合作开发一款名为Athena的内部AI芯片，而OpenAI也正在测试该芯片。

但是对于科技企业来说吗，想要“甩开”英伟达，自己单干可不容易。

一方面就是技术问题。英伟达、AMD等芯片制造商通过多年的技术积累，已经构建起了一道芯片制造技术的“护城河”，若是企业从零开始，想要翻过这一“护城河”谈何容易。Meta此前一直在推进定制芯片相关工作，但进展并不顺利，还导致公司废弃了部分人工智能芯片。但即使如此，Meta也没有放弃，据了解，该公司内部正在开发一款更新的芯片，该款芯片将涵盖所有类型的人工智能工作。

另一方面，自研芯片所需要的投资金额庞大。除了向谷歌、微软等大型科技企业之外，普通中小型科技企业，特别是初创企业很难有足够的资金来支撑起芯片研究。

曾被视为英国AI“独角兽”的芯片制造商Graphcore就是一个走下“神坛”的例子。Graphcore成立于2016年，其主营业务包括AI项目的芯片设计。2020年该公司的估值约为28亿美元。但由于亏损一直持续，该公司现如今经营困难。该公司的IPU产品曾被用于微软Azure平台，但是去年在与微软的合作失败后，该公司的收入更是一降再降，其估值也减少了约10亿美元。Graphcore在去年关闭了在挪威、日本、韩国的办公室，并开启裁员。正在苦苦挣扎的初创芯片公司不止Graphcore一家。英特尔旗下的人工智能芯片公司 Habana Labs今年为了降低成本也开启了裁员，解雇了约10%的员工。

不过，作为明星级的初创企业，OpenAI在资金方面似乎并不需要烦恼。该公司已筹集超过110亿美元的风险投资，而且该公司一直在推进的各种商业化，预计每年可为其带来接近10亿美元的收入。此外，近期有媒体报道，OpenAI正在考虑出售股票，其二级市场估值可能飙升至900亿美元。

不过，即使OpenAI自研芯片成功并如愿推向市场，这个过程也需要数年时间，所需投资将高达数亿美元。OpenAI的投资者是否会进行如此冒险的赌注，还有待观察。