這一次OpenAI的野心真的太大了。

　　大規模招商，打造全球AI芯片廠

　　隨著OpenAI估值逼近1000億大關，山姆·奧特曼的野心再也藏不住了。他不再滿足于血拼谷歌和蘋果，而是直接向算力霸主英偉達開戰。

　　據知情人士透露，山姆·奧特曼正在積極向全球投資者尋求龐大的資金支持，以便建立一座AI芯片制造廠。其中就包括阿布扎比的G42和日本的軟銀集團，尤其是在與G42的談判中，涉及金額就已經接近80億到100億美元。

　　實際上，早在去年10月，G42公司就與OpenAI公司簽署了合作協議，為當地和區域市場提供人工智能服務。緊接著12月就有報道稱，G42正在試圖籌集1000億美元，但當時并沒有關于這筆資金用途的任何信息�，F在看來，很有可能是為了打造AI芯片廠而準備。

　　畢竟想要實現這一計劃，必須面對龐大的資金需求。從成本上來看，先進的2納米或3納米級工藝技術，僅僅開發就需要數十億美元，而且節點越小成本越高。想要一家能夠在2納米或3納米級節點上大批量生產芯片的現代化晶圓廠，投資成本也將高達300億美元。

　　此外，單個低數值孔徑的EUV光刻工具的成本約為2億美元，而高數值孔徑光刻機的成本預計為3億至4億美元。也就是說，山姆·奧特曼此次想要建造AI芯片廠至少需要籌集數百甚至數千億美元。

　　雖然目前參與該項目的合作伙伴和投資者的完整名單尚未確定，但有消息透露，山姆·奧特曼為了籌集所需資本，正在試圖拉攏頂級芯片制造商合作，其中可能包括臺積電、三星和英特爾。

　　一旦新的芯片工廠成立，將為全球市場提供AI芯片。

　　無芯訓練GPT-5?全力對抗英偉達

　　事實上，山姆·奧特曼之所以著急尋找合作伙伴建立AI芯片廠，更多是一種無奈。根據相關媒體報道，現在的OpenAI很可能已經無芯可用。

　　這一點從山姆·奧特曼多次在公開場合的言辭中也可以看出，在過去一整年里，他幾乎都在抱怨英偉達GPU短缺，導致OpenAI的GPU供應嚴重受限的問題。

　　尤其是因為這個問題，OpenAI被迫推遲了很多短期計劃，比如微調、專用容量、32k上下文窗口、多模態等等，甚至還一度影響到API的可靠性和速度。

　　再加上ChatGPT的運營成本本就巨大。據統計，ChatGPT每次查詢的成本約為0.04美元，如果ChatGPT查詢量成長至谷歌搜索規模的十分之一，最初需要部署價值約481億美元的 AI 芯片投入運算，每年還需要價值約160億美元的芯片才能維持運作。

　　在多重因素交織的情況下，OpenAI不得不尋求新的途徑，以免長期被芯片拿捏命脈。按照山姆·奧特曼的說法，算力受限會成為運行人工智能模型的主要障礙。

　　他預計，未來幾年AI應用和相關計算力的需求將急劇增加。而OpenAI需要的是高端芯片，全球生產高端芯片的工廠本就不多，這將嚴重限制下一代AI模型的訓練。

　　所以為了解決這個問題，山姆·奧特曼率先提出了倡議，計劃建立一個全球工廠網絡，以增加芯片產量，確保足夠的算力資源。

　　據了解，山姆·奧特曼目前已經與美國國會議員探討了芯片供應的問題，并討論了在何處、以及如何建造新的工廠。

　　綜合白宮最近對芯片行業的一系列補貼政策來看，山姆·奧特曼有一定可能會得到支持。據了解，2022年8月，總額達2800億美元的美國《芯片法案》正式簽署成法，其中有527億美元將用于在未來5年內補貼建設和更新芯片廠，以促進半導體制造回流美國，鼓勵企業在美國研發和制造芯片。

　　由此可見，美國當局打算投入巨額資金增加芯片產能的想法，也與山姆·奧特曼當下的做法不謀而合。

　　這一盤大棋，OpenAI下得完嗎?

　　然而，山姆·奧特曼想要迅速建立起AI芯片制造工廠，并沒有那么簡單。

　　縱觀全球范圍內，諸如谷歌、微軟等科技巨頭都在不遺余力地研發自家的芯片，卻仍然急于爭取與英偉達的業務合作。這一現象的背后，不僅僅是因為英偉達在GPU性能上的卓越表現，更在于英偉達多年來耕耘而成的CUDA生態系統所帶來的全面優勢。

　　這正是OpenAI試圖打破的桎梏，但從開發者的角度來看，OpenAI似乎只是在不斷重復著類似的模式，換湯不換藥罷了。

　　更何況，OpenAI似乎還帶著一顆隱形的“雷”。因為OpenAI治理結構中存在著巨大的風險，這將顯著降低開發人員在基于GPT提供服務方面的信心，也為谷歌、Meta等競爭對手提供了可趁之機。

　　即便有一天OpenAI真的克服千難萬險構建出了AI芯片廠，隨之而來的問題也不會減少。

　　以CoWoS封裝產能為例，英偉達***芯片的短缺問題主要源于CoWoS封裝產能不足。臺積電就曾在最近的財報電話會議上表示，將持續擴充先進封裝，包括CoWoS產能。據設備廠商估算，臺積電2023年CoWoS總產能將超過12萬片，而2024年有望達到24萬片。

　　這意味著想要提升一倍的產量，幾乎需要一年左右的時間，背后原因可能在于生產工藝的復雜性。除此之外，***所使用的HBM3系列內存也是生產上的一大難題，而這一命脈掌握在美光、SK海力士或三星等公司手中。

　　尤其是當前幾乎所有AI訓練和推理都依賴于同一種生成式AI芯片，但隨著時間的推移，更先進的GPU、CPU或其他新型處理器很可能會涌現，從而導致當前使用的AI芯片供過于求。而這些都將是擺在OpenAI面前，不得不解決的問題。

　　從GPT-5到AI芯片廠，OpenAI還有很長的路要走。