摆脱依赖英伟达！OpenAI首次转向使用谷歌芯片

本站报道（文/李弯弯）近日，据知情人士透露，OpenAI近期已开始租用谷歌的张量处理单元（TPU），为旗下ChatGPT等热门产品提供算力支持。这一举措不仅标志着OpenAI首次实质性地使用非英伟达芯片，更显示出其正在逐步摆脱对英伟达芯片的深度依赖，在算力布局上迈出了重要战略调整的一步。

OpenAI依赖英伟达GPU的算力支持

在人工智能飞速发展的当下，OpenAI作为行业领军者，对算力的需求呈现出爆发式增长。以OpenAI推出的模型为例，当推出参数规模达1750亿的GPT - 3模型时，其训练消耗的算力相当于30万颗CPU全年不间断运行。这种指数级的算力需求增长，在2024年达到新高度，谷歌Gemini、百度文心一言4.0等多模态大模型的训练算力需求较上一代提升5 - 8倍，单个模型训练成本突破千万美元大关。

在此之前，英伟达的GPU一直是OpenAI开展模型训练以及推理计算工作的核心依赖。英伟达GPU凭借其强大的性能，在AI板块占据着主导地位，成为众多科技企业进行AI研发的首选。OpenAI作为英伟达GPU的重要大客户，长期通过与微软和甲骨文的合作获取英伟达芯片，用于模型训练与部署。

英伟达数据中心级GPU虽性能卓越，但在高负荷运行场景下也面临诸多问题。其实际使用寿命通常为1到3年，高强度工作负载会使芯片老化加速，超高功耗压力也直接缩短了芯片寿命，且故障率随使用时间增加而上升。随着AI技术的持续发展和模型复杂度的不断提升，OpenAI对算力的需求愈发迫切，同时也在寻求更具性价比和可持续性的算力解决方案。

谷歌AI芯片展现出媲美英伟达B200芯片的实力

此次OpenAI租用谷歌TPU，无疑是在算力布局上的一次重大尝试。谷歌在年度云大会上正式发布的第七代TPU——Ironwood，堪称AI芯片领域的“性能怪兽”。这款专为推理设计的AI加速器，是谷歌迄今为止性能最强、可扩展性最高的定制AI芯片。与2018年发布的初代TPU相比，Ironwood的推理性能提升了惊人的3600倍，效率提升了29倍，这一性能飞跃使其足以与英伟达的B200芯片相媲美，甚至在某些方面略胜一筹。

Ironwood在多个关键指标上表现卓越。功耗效率方面，相比第六代TPU Trillium，实现了2倍的提升，比初代Cloud TPU高出近30倍，谷歌的液冷解决方案和优化的芯片设计，使其在持续、繁重的AI工作负载下，能维持高达标准风冷两倍的性能。

高带宽内存（HBM）容量上，Ironwood芯片搭载了高达192GB的显存，是Trillium的6倍，能够处理更大的模型和数据集，减少频繁数据传输的需求，进而提高性能。HBM带宽提升到了7.2Tbps，是Trillium的4.5倍，极高的带宽确保了快速的数据访问，对现代AI中常见的内存密集型工作负载至关重要。

芯片间互连（ICI）带宽增强，双向带宽已增加到1.2Tbps，是Trillium的1.5倍，这种芯片之间更快的通信，有助于大规模高效的分布式训练和推理。

对于谷歌Cloud客户，Ironwood可根据AI工作负载需求提供两种规格——256芯片或9216芯片。每个单独的芯片峰值算力达4614TFLOPs，当扩展到每个pod 9216个芯片时，总计达到42.5Exaflop，其算力是世界上最大的超级计算机El Capitan的24倍以上。

总结

OpenAI租用谷歌AI芯片这一举措，无论是对OpenAI自身，还是对整个AI芯片市场，都具有深远意义。对OpenAI而言，这有助于其摆脱对单一芯片供应商和数据中心的高度依赖，在算力布局上获得更大的灵活性和自主性，降低算力成本，为业务的持续扩展提供有力支撑。对于AI芯片市场，谷歌TPU凭借其强大的性能和成本优势，有望打破英伟达GPU一家独大的局面，促进市场的多元化竞争，推动AI芯片技术的不断创新和发展。