据路透消息，OpenAI 正在探索制造自己的 AI 芯片。
知情人士透露，至少从去年开始，OpenAI 就在想各种方案去解决 AI 芯片的短缺和昂贵等问题，这些方案中就包括构建自己的人工智能芯片。
其实，OpenAI 对芯片这事儿忧心已久了。
OpenAI 的 CEO 阿尔特曼（ Altman ）其实很早就开始对 GPU 相关问题有意见了，在今年 5 月底，他曾表示向 Humanloop 表示目前 OpenAI 的 GPU 极其有限，这推迟了他们的许多短期计划。
“ 大部分问题都是 GPU 短缺造成的 ” 他说。
首先 OpenAI 很多客户都在抱怨 API 的可靠性和速度，在没有足够的 GPU 的情况下，这是没有办法被解决的。
第二，由于算力的紧缺，ChatGPT 更长的 32k 上下文能力（ 大约是 24000 个词的上下文能力 ）也暂时无法推送给更广的客户。
第三，由于算力的紧缺，ChatGPT 的模型微调 API 也做不到很好的支持，不能使用 LoRa 等高效的微调方法。
第四，由于算力的紧缺，OpenAI 没办法卖给客户更多的专有定制化模型，现在的解决办法是要求客户预先支付高达 10 万美元的定金。
基于以上种种问题，阿尔特曼和 OpenAI 现在非常的焦虑，虽然他们是大模型浪潮的缔造者，但他们却不得不仰仗于英伟达的产能，英伟达在 AI 领域占有近 80% 的市场份额，英伟达的产能一天上不来，OpenAI 就没办法尽快发展。
于是，在与英伟达进一步加深合作的同时，OpenAI 考虑开始着手自行制造芯片，达成方式是向英伟达定制（ 可能是买断部分产能 ）以及收购相关的芯片公司，据路透社报道，OpenAI 现在正在考虑对收购标的进行尽职调查。
除去产能问题，自研芯片还会可以预见的降低成本，我们前文提到过英伟达在 AI 芯片市场占据非常强势的主导地位，所以在产能紧缺的情况下基本上价格是没得谈的。
由于英伟达 GPU 的价格高企，根据 Bernstein 的分析，ChatGPT 每回复一条消息的成本大概为 4 美分，按现在的汇率来算就是大概 3 毛钱人民币一条，非常昂贵。Bernstein 预测ChatGPT 的规模如果增长到 Google 搜索规模的十分之一，将会需要价值 481 亿美元的 GPU，并且每年要追加大概 160 亿美元的新芯片投入。
钱再多，如此巨额的投入也是让人吃不消的，所以自研芯片降低成本也成为了 OpenAI 持续良性发展的一个不错选择。
有趣的是，关于 OpenAI 这次的动向，路透的形容是其想制造自己的 “ AI 芯片 ” 而不是 “ GPU ”，所以知危编辑部怀疑OpenAI 可能会像 Google 当年为 TensorFlow 量身定做 TPU 芯片一样，搞出个诸如 “ OPU ” 的东西。
至于 OpenAI 的计划能否成功，现在还很难说。自研芯片需要每年投入数亿美元，并且不知道一共要投入多久，与此同时，研发也不是能保证成功的，很有可能前期投入很多最后得不到什么效果。
比如，Meta 作为大模型的玩家之一，虽然不像 OpenAI 一样是行业领头羊，但它的 Llama 也有很高的市场地位，它曾萌生出跟 OpenAI 同样的想法：自己做 AI 芯片。
但在 2021 年左右，Meta 放弃了自己正在研发的自有人工智能芯片，原因在于他们发现自己的自研芯片在性能上比不上英伟达的 GPU，并且针对不同类型任务的灵活性也不如英伟达。
随后，2022 年，Meta 改变了方向，向英伟达订购了价值数十亿美元的 GPU。（ 最近，不死心的 Meta 又重启了自研芯片的计划 ）
在财力和技术上都如此强悍的 Meta 都在自研 AI 芯片的路上吃了瘪，作为创业公司的 OpenAI 未必能好到哪里去。
不过，OpenAI 总是能给我们带来惊喜，就像他做出了遥遥*于 Meta 和 Google 的 ChatGPT 一样。
或许，在 AI 芯片上，它能带来同样的惊喜。
至于英伟达，可能还是会继续做很长一阵子 “ 世界主宰” 了。
