OpenAI与博通洽谈合作！定制化ASIC芯片走向台前，英伟达GPU迎来“劲敌”？
为了减轻对英伟达的依赖，OpenAI一直在推进自研芯片计划。7月19日消息，由公司CEO山姆·奥特曼（Sam Altman）牵头，OpenAI正与包括博通在内的半导体设计公司就开发新芯片进行洽谈，以减轻对英伟达的依赖并加强供应链。
此外，据称OpenAI还聘请了曾参与谷歌张量处理单元（TPU）开发和生产的谷歌前员工，以帮助其进行AI芯片的设计工作。而博通此前也曾与谷歌合作开发过TPU。
OpenAI探索自主研制AI芯片的可能性
OpenAI高度依赖英伟达的GPU来满足其大型语言模型的算力需求。自OpenAI成立以来，英伟达一直是其重要的合作伙伴。英伟达提供的GPU为OpenAI的模型训练提供了强大的算力支持。例如，在OpenAI的早期发展阶段，英伟达CEO黄仁勋亲自将首个轻量化小型超算DGX-1送给OpenAI，极大地提升了其计算效率。
OpenAI开发的ChatGPT、GPT-4、DALL-E3等人工智能模型，目前都依赖英伟达昂贵的GPU。消息称，OpenAI已经投入大量资金购买英伟达的芯片，以满足其AI研究和应用的算力需求。据报道，OpenAI曾决定投入216亿美元购买72万片英伟达H100芯片。
然而，随着生成式AI技术的迅猛发展，算力需求急剧增加，对GPU等硬件的依赖也越来越大。为了降低对外部供应商的依赖，并优化成本结构，OpenAI开始探索自主制造AI芯片的可能性。
据称，奥特曼去年就决定创办一家新公司，开发和生产新的人工智能（AI）芯片，并帮助建立生产这些芯片的工厂以及采用这些芯片的数据中心。今年1月，有消息称，奥特曼曾与软银集团和总部位于阿布扎比的G42进行了融资谈判，为一家新的芯片制造企业筹集数十亿美元资金。今年2月，传闻的数十亿美元升级为数万亿美元。
除此之外，为了加强AI芯片的研发实力，OpenAI还在积极招募前谷歌员工。这些员工拥有丰富的Tensor处理器开发经验和技术，将有助于OpenAI开发出具有竞争力的AI服务器芯片。业界普遍预计，OpenAI的第一代自研芯片将在未来几年内推出。这些芯片有望大幅降低OpenAI的算力成本，并提高其在大规模数据处理和深度学习任务中的竞争力。
除了自研芯片外，OpenAI还可能与其他半导体设计公司进行合作，以开发新的AI芯片产品。例如，有报道称OpenAI正与博通等半导体设计公司就开发新芯片进行洽谈。这些合作将有助于OpenAI拓宽其供应链渠道，并降低对单一供应商的依赖风险。
博通定制化ASIC芯片低调实现业绩增长
相比于英伟达，博通在AI芯片领域显得尤为低调。然而，值得关注的是，在过去一年，半导体行业下行周期中，除了英伟达以GPU霸主身份实现业绩快速成长之外，博通也因为AI的蓬勃发展，实现业绩稳健增长。
据Gartner统计，2023年按照半导体销售额计算，英伟达以56.4%的收入同比增速，首次进入Gartner统计的半导体Top5阵营，而前十公司中在下行周期能实现成长的另外两家公司，一家是博通，一家是意法半导体。
博通CEO兼主席HockTan（陈福阳）表示，第一财季和2024整个财年有两大收入增长动力。其一是公司前不久完成收购Vmware，随着客户部署Vmware的基础设施，促成博通软件基础设施部分收入增长；其二是人工智能数据中心对网络产品的强劲需求，以及人工智能定制加速器在超大规模数据中心方面的需求推动半导体部分领域增长。
博通是通信芯片行业的全球龙头，在交换路由芯片、Wi-Fi芯片等多个领域具有领先地位。其AI芯片领域的业务主要体现在定制化ASIC芯片以及相关的数据交换芯片上。博通定制化ASIC芯片广泛应用于数据中心、云计算、高性能计算（HPC）、5G无线基础设施等领域。
博通可以说是AI领域ASIC定制化芯片的重要参与力量。谷歌自研的TPU AI加速芯片，博通是核心参与力量，不仅与谷歌团队共同参与研发，还提供了关键的芯片间互联通信知识产权，并负责了制造、测试和封装等步骤。
微软与Meta等科技巨头也选择与博通合作，共同设计研发AI芯片。例如，Meta的第一代和第二代AI训练加速处理器就是与博通共同设计的，预计博通还将在2024年下半年和2025年加快研发Meta下一代AI芯片MTIA 3。
博通定制化ASIC芯片的特点主要体现在：其一、高性能，博通的ASIC芯片集成了先进的硅技术和高性能的设计方法，能够提供卓越的计算和数据处理能力。这些芯片在吞吐量、算力水平等方面具有显著优势，能够满足数据中心和云计算等场景下的高性能需求。
其二，低功耗，定制化ASIC芯片在功耗方面进行了优化，相比通用芯片具有更低的功耗表现。这对于降低数据中心和云计算等场景下的运营成本具有重要意义。
其三，高可靠性，博通的ASIC芯片在设计和制造过程中采用了严格的质量控制标准，确保了芯片的高可靠性和稳定性。这对于保障数据中心和云计算等关键基础设施的可靠运行至关重要。
其四，灵活性，博通提供定制化的ASIC芯片解决方案，能够根据客户的具体需求进行灵活设计和调整。这种灵活性使得博通能够满足不同行业和场景下的多样化需求。
虽然相比于GPU来说，定制化ASIC在通用性上较差，然而其优势也非常明显，就如谷歌的TPU，就是ASIC定制化AI芯片的一种，它转为深度学习设计，计算效率很高。目前，在大模型训练过度依赖英伟达GPU的环境下，不少科技公司在尝试新的路径来满足特定场景的算力需求，如谷歌、微软以及OpenAI等与博通合作研制专门的定制化ASIC芯片。
