重磅！OpenAI官宣自研AI芯片：垂直整合要彻底摆脱英伟达，联手博通部署10吉瓦算力

前段时间OpenAI联合英伟达部署10GW算力，联合AMD部署6GW算力，今天又来了一个大的，OpenAI要自己自己设计芯片，摆脱英伟达的束缚，OpenAI这是决心要把垂直整合玩到底了

刚刚OpenAI 与 博通（Broadcom） 宣布达成一项深度战略合作伙伴关系，旨在共同设计和制造专为 AI 工作负载定制的芯片（custom chips）和完整的计算系统（custom systems）。这一合作已经秘密进行了约 18 个月，目标是打造下一代 AI 基础设施，以满足全球日益增长的对高级智能的需求。这项合作的愿景是，从2026年底开始，部署高达 10 吉瓦（gigawatts）的全新计算能力。此举不仅是为了解决当前 AI 模型，特别是推理（inference）任务所面临的算力瓶颈，更是通过从晶体管蚀刻到最终用户产品的端到端垂直整合，实现前所未有的效率和性能提升，从而推动 AI 技术向更普惠、更强大的通用人工智能（AGI）迈进

更劲爆的是OpenAI在用模型探索全新的芯片设计方法，并且已经取得了进展。

Sam Altman 和 Greg Brockman 与 博通 CEO Hock Tan 和博通半导体解决方案总裁 Charlie Kawwas深度访谈

1. 战略合作的诞生：应对空前的 AI 基础设施需求

OpenAI 与 Broadcom 的合作，被 Sam Altman 描述为人类历史上最大规模的联合工业项目之一。这并非一次简单的技术采购，而是一场始于约 18 个月前的深度共创，旨在从根本上重塑 AI 计算的基础设施

合作的广度与深度

这项合作的范围远超传统的芯片设计。最初，双方的焦点是为 OpenAI 的特定工作负载设计一款定制芯片。然而，随着项目深入，双方意识到，要真正发挥芯片的潜力并应对未来世界的巨大推理需求，必须将视野扩展到整个计算系统。Sam Altman 强调，现代 AI 系统的复杂性要求对从芯片、机架（racks）、网络到算法的整个技术栈进行协同优化。因此，合作内容从单一的芯片设计，演变为一个包含硬件、系统和软件的完整解决方案，Broadcom 在系统设计方面的深厚专业知识在其中扮演了关键角色。这种从底层晶体管到顶层应用（Sam Altman 形容为 “from etching the transistors all the way up to the token that comes out”）的全栈垂直整合，是本次合作的核心理念

空前的规模：10 吉瓦的算力意味着什么

此次合作最引人注目的目标，是从明年底开始部署 10 吉瓦（gigawatts）的新增计算能力。这是一个惊人的数字，远超当今世界现有的 AI 计算能力。Sam Altman 指出，这 10 吉瓦是在 OpenAI 与其他合作伙伴现有合作基础之上的纯增量。他解释说，一个 1 吉瓦的数据中心就如同一个微型城市，其建设和运营的复杂性极高。因此，10 吉瓦的部署是一项艰巨的全球性工程，需要众多公司、国家和行业的协同努力。

驱动这一宏大计划的，是 OpenAI 观察到的一个核心规律：每当 AI 模型的性能提升、成本下降时，市场的需求增长速度总是远超供给。Sam Altman 举例说，即使将效率优化 10 倍，市场可能会涌现出 20 倍的新需求。因此，这 10 吉瓦虽然看似庞大，但如果 OpenAI 能够成功地提供质量更高、速度更快、价格更低的智能服务，世界将迅速吸收这些算力，并创造出无数新的应用场景，例如更大规模的代码生成、企业自动化以及 Sora 视频生成等

合作的必然性：最佳伙伴的强强联合

对于 Broadcom 而言，与 OpenAI 的合作是天作之合。Broadcom 首席执行官 Hock Tan 表示，OpenAI 持续开发着业界最前沿的生成式 AI 模型，而这条通往超级智能的道路上，最关键的制约因素之一就是算力。Broadcom 作为全球顶尖的半导体公司，其工程师正在不断推动半导体技术的创新边界。因此，与全球领先的 AI 公司合作，共同定义和打造下一代计算平台，是 Broad-com 的天然选择。Charlie Kawwas 将双方的合作提升到了一个更高的高度，他认为双方正在共同定义“文明的下一代操作系统”（civilization's next-generation operating system），这一过程不仅将推动双方发展，更有望建立开放和标准化的新生态，从而加速从生成式 AI（Gen AI）到通用人工智能（AGI）的进程

2. 垂直整合的驱动力：为何要自研芯片与系统

OpenAI 决定与 Broadcom 共同设计定制芯片和系统，并非一时兴起，而是源于其在发展过程中对算力、效率和未来路线图的深刻理解。这一决策背后，是其对 AI 发展规律的洞察以及对掌控自身技术命运的渴望。

从算法到硬件的全栈优化

合作的核心优势在于实现了前所未有的垂直整合。Sam Altman 形象地将整个过程概括为“熔化沙子，注入能量，最终得到智能”（melt sand, run energy through it and get intelligence out the other end）。他强调，最终的目标是在每单位能量中榨取出尽可能多的智能。通过对从模型设计、芯片架构、机架互联到最终应用的整个链条进行协同优化，可以实现巨大的效率增益

这种端到端的控制能力意味着：

性能更优：可以设计出完全匹配 OpenAI 特定算法和工作负载的芯片，避免通用硬件带来的冗余和瓶颈

成本更低：更高的效率直接转化为更低的服务成本，使得大规模部署和向更多用户提供免费或低价服务成为可能

速度更快：专门优化的硬件可以显著提升模型的响应速度，改善用户体验。

Hock Tan 对此补充道，针对不同任务优化芯片是关键。例如，用于训练的芯片可能需要更强的计算能力（以 TFLOPs 衡量）和网络带宽，而用于推理的芯片则更侧重于内存（memory）和访问速度。这种定制化能力是通用芯片难以比拟的

算力：从锦上添花到发展核心

OAI总裁Greg Brockman 分享了 OpenAI 的心路历程。在公司成立初期，团队认为实现 AGI 的关键在于算法和思想上的突破，算力并非首要关注点。然而，大约在 2017 年，团队通过 Dota 2 等项目的实践经验，经验性地发现，规模化是取得最佳成果的最有效路径。当他们将算力加倍时，AI 智能体的表现也随之加倍

这一发现彻底改变了 OpenAI 的战略重心。他们开始密切关注整个硬件生态系统，并向各类芯片初创公司提供反馈，指出未来模型的发展方向。然而，Greg Brockman 坦言，当时许多公司并未采纳他们的建议，这让他们感到沮丧，因为他们看到了未来的方向，却无法有效影响产业的路线图。因此，通过与 Broadcom 合作，将部分硬件设计掌握在自己手中，OpenAI 终于能够将自己的愿景付诸实践，掌控自己的技术命运，不再受制于外部硬件的演进速度和方向

应对计算稀缺的未来

尽管此次合作计划部署 10 吉瓦的庞大算力，但 Greg Brockman 明确表示，这与实现其最终愿景相比，仅仅是沧海一粟。他描绘了一个未来场景：每个人都拥有一个 24/7 全天候运行的个性化 AI 代理（agent），帮助他们实现个人目标。要实现这一点，理想情况下需要为全球近 100 亿人每人提供一个加速器，这所需的算力是天文数字

目前，由于算力限制，像 OpenAI Pulse 这样需要后台持续运行的个性化功能，只能提供给付费的 Pro 用户。这凸显了当前世界正走向计算稀缺的现实。OpenAI 的目标是扭转这一趋势，创造一个“计算丰裕”（compute abundance）的世界，让任何有创意、有想法的人都能获得实现其想法所需的计算能力。这项合作正是迈向这一宏伟目标的关键一步

3. AI 驱动的创新：重塑芯片设计与未来计算范式

OpenAI 与 Broadcom 的合作不仅体现在规模上，更体现在其创新的方法论上。双方正在利用最前沿的 AI 技术来设计下一代 AI 硬件，同时也在借鉴历史，将 AI 基础设施定位为如同铁路和互联网一样的社会关键设施

AI 辅助芯片设计：用模型创造模型

这次合作中最具突破性的实践之一，是 OpenAI 将自己的 AI 模型应用于芯片设计流程。Greg Brockman 透露，这一方法取得了显著成果：

大幅缩减面积：AI 模型能够对人类工程师已经优化过的组件进行再优化，通过注入大量算力进行探索，发现了新的优化方案，从而实现了巨大的面积缩减

加速开发进程：AI 提出的优化方案，虽然人类专家事后分析认为并非完全无法想到，但这些方案可能在人类设计师的任务清单上排在很后面，需要数月才能触及。AI 能够在短时间内发现这些优化点，极大地拉动了开发日程。在一个与 Charlie Kawwas 团队合作的紧迫项目中，他们甚至选择让 AI 持续优化直到截止日期，而无需人工审查每一步的优化内容，这体现了对 AI 能力的高度信任

提升整个行业：Greg Brockman 相信，这种 AI 辅助设计的能力最终将帮助整个人类社会在科学和工程领域取得过去不可能实现的突破

技术演进的蓝图：从 2D 到 3D 再到光学

Broadcom 的 Charlie Kawwas 详细阐述了未来计算硬件的技术演进路线，展示了双方合作的深远技术布局

从单芯片到多芯片（2D）：目前，单个芯片的物理尺寸（如 800 平方毫米）限制了其能容纳的计算单元数量。业界的主流做法是在一个二维平面上集成多个芯片（chiplets），以扩大计算规模

垂直堆叠（3D）：下一步的技术突破是将这些芯片进行三维堆叠（stacking），在 Z 轴上扩展计算密度，从而在相同面积内实现更高的性能

光学互联（Optics Integration）：更长远的技术方向是将光学器件直接集成到芯片封装中。Broadcom 最近宣布的 100Tbps 交换技术就是一个例子，它将光学互联与芯片融为一体，这将彻底改变数据中心内部的通信方式，实现更大规模、更高性能的计算集群

Charlie Kawwas 预测，在这些技术的推动下，计算集群的整体性能将达到一个全新的水平，其性能可能每 6 到 12 个月就翻一番

历史的启示：构建新时代的“铁路”与“互联网”

参与讨论一致认为，当前正在建设的 AI 基础设施，其历史地位可与历史上的重大工程相媲美

类比关键基础设施：Hock Tan 将其比作铁路和互联网的建设。这些设施最初是特定领域的工具，但最终演变成了服务于数十亿人的关键公共事业。他认为，AI 计算正走在同样的道路上，将成为服务全球 80 亿人的基础能力

全球性的合作项目：Sam Altman 认为，从全球 GDP 占比来看，AI 基础设施的建设可能是人类历史上最大规模的联合工业项目。它超越了单一公司或国家的范畴，需要全球范围内的供应链、能源、制造等多个行业的协同投入

开放与标准的重要性：为了构建一个能够支撑全球数十亿人使用的基础设施，建立开放和透明的标准至关重要。这不仅有利于 OpenAI 和 Broadcom，也将惠及整个生态系统，促进技术的普及和创新

4. AGI 的阶梯：算力、智能与经济价值的飞轮

这次合作的终极目标，是为实现AGI并确保其惠及全人类铺平道路。算力的指数级增长，被视为解锁更高层次智能、创造巨大经济价值和社会福祉的根本前提

算力增长与智能涌现

OpenAI 的发展史就是一部算力规模的扩张史。Sam Altman 回忆，公司最初的计算集群仅为 2 兆瓦（megawatts）。如今，到今年年底，其算力规模将超过 2 吉瓦（gigawatts），而与 Broadcom 等伙伴的最新合作，将使其总算力接近 30 吉瓦

他强调，算力与模型能力之间存在着密切的正相关关系。每一次算力的巨大飞跃，都伴随着模型智能水平的显著提升。他以一个假设的例子说明：

如果 GPT-6 的智能水平能比 GPT-5 高出“30 个 IQ 点”，并且能够处理长达数天甚至数月的复杂问题，那么其创造的经济价值和引发的需求将是爆炸性的

这个规律在编程助手 Codex 的发展中得到了验证。最初，当模型只能编写少量代码时，用户已经开始以相对“痛苦”的方式（如手动复制粘贴）使用它。随着模型能力和用户体验的提升，Codex 的需求呈指数级增长。未来，当模型能够达到顶尖工程师的水平，并能独立完成数天的工作时，其需求将不可估量。这个模式可以被复制到每一个知识工作（knowledge work）领域

智能驱动经济增长

Greg Brockman 提出了一个核心观点：智能是经济增长和提高人类生活水平的根本驱动力。AI 的作用在于放大和普及智能，让每个人都变得更高效、更有创造力。随着模型能力的增强，社会所能达成的产出将与今天截然不同

算力成本的降低和效率的提升，是实现这一愿景的关键。从昂贵的 GPT-3 到如今能够免费提供给大众的 GPT-4 级别模型，每一次效率的提升都意味着技术普惠性的增强。这正是 OpenAI 的核心驱动力之一：让更多人能够从强大的 AI 中受益

未来展望与项目时间线

这项合作已经有了明确的时间表。Sam Altman 透露，首批合作成果预计将于明年底开始部署，并在随后的三年内迅速扩大规模。双方团队的沟通极其密切，Greg Brockman 和 Charlie Kawwas 甚至每周都会就项目进展进行沟通，并且很快就会收到首批测试芯片