OpenAI与英伟达相互成就

在黄仁勋的强力支持下，OpenAI在创立初期便获得了英伟达尚处于工程技术阶段的H100芯片，以开展AI训练。换言之，H100的辉煌成就源自英伟达与OpenAI的共同努力。

随着OpenAI的不断壮大及微软百亿资金的注入，其在GPU训练芯片方面的需求日益增长，逐渐成为英伟达最重要的客户。

通常情况下，为维护重要客户关系，企业往往会采取降价让利等策略。

然而，英伟达却在近两年里反其道而行之，持续涨价，似乎试图从这些大客户身上获取更多利益。

权威数据显示，英伟达在全球人工智能处理器市场的份额超过80%，这无疑给OpenAI带来了巨大压力。

花旗研究分析师ChristopherDanely指出，英伟达在AI训练领域占据了[至少90%]的市场份额。

这意味着，OpenAI在芯片供应方面几乎完全受制于英伟达。

随着英伟达芯片性能的不断提升，其价格也呈现出飞速上涨的趋势，这已引起包括OpenAI在内的大客户的强烈不满。

依赖供应链上游将制约OpenAI发展

OpenAI正全力推进GPT5，但却面临无[芯]可用的困境。

去年全年，OpenAI首席执行官奥尔特曼都在抱怨公司已经陷入了严重的GPU短缺。据悉，训练GPT-4使用了大约25000块A100GPU。而训练GPT-5，还需要5万张H100。

尤其是英伟达高端GPU，由于代工、CoWoS封装以及HBM等产能限制，不仅成本高昂，而且供应缺口巨大。

人工智能的持续进步，已然确立了算力芯片在该领域的基础地位。

如今，若将这一核心资源依赖于供应链上游，恐将制约OpenAI的发展。

同时，随着人工智能逐步硬件化和基础设施化，决定这一发展趋势的关键因素即为算力芯片。

此庞大的需求足以支撑起一个完整的供应链。

从另一个角度来看，OpenAI自建晶圆厂是为了朝着IDM的方向发展，确保自身供应链，控制生产成本。

IDM是一种相对更为完善的运营模式，但门槛较高，前期成本投入巨大，需要有良好的市场前景才能保证后期盈利。

OpenAI建厂并非不可行，但取决于他们筹集投资的情况，仍需资金支持才有可能实现。

奥特曼计划掌握芯片制造环节

今年1月，彭博社披露的一则独家消息震撼了科技界。据知情人士透露，奥特曼正计划投入数十亿美元，建设一座半导体晶圆厂。

这一举动不仅标志着OpenAI将涉足半导体制造业，同时也象征着该公司旨在掌控人工智能领域的核心要素——芯片制造。

这些GPU不仅稀缺且价格高昂，自研AI芯片有望大幅降低算力成本。

因此，OpenAI研发自有芯片完全在情理之中。

通过自主设计、生产及销售芯片，OpenAI将能够直接与终端市场展开对话，与其他设备制造商展开竞争。

更重要的是，这一策略将显著降低成本，提高基础设施的控制力度，以满足OpenAI不断增长的需求。

传闻在两个月前OpenAI面临高层大改前夕，奥特曼亲自前往英伟达就2024年芯片采购议案展开谈判。

在OpenAI的全球晶圆厂网络项目中，筹措资金及选择合作伙伴至关重要。

据报导，OpenAI首席执行官萨姆?奥特曼正与多家重量级投资者展开谈判，包括软银集团以及阿布扎比总部的人工智能控股公司G42。

塔赫努恩掌控着包括阿布扎比投资局（规模达8000亿美元）在内的庞大商业帝国。

他还担任国际控股公司和G42的董事长，这两家公司均在AI领域展示出浓厚的兴趣和雄心，并与OpenAI建立合作伙伴关系。

自研芯片看上去永远是利好

若OpenAI能掌控算力芯片的研发、制造及生产能力，将凭借自身卓越的模型训练与调整技术，与英特尔、台积电、三星等半导体行业巨头并驾齐驱，竞夺新市场版图。

OpenAI设计的人工智能芯片将符合亚马逊AWS、谷歌、微软以及其他许多超大规模企业自主研发AI芯片的趋势，这些巨头除了购买现成的产品外，还更倾向于构建符合自身需求的定制处理器。

此外，自研芯片有助于巨头们摆脱对英伟达等少数AI芯片供应商的依赖，提升供应链安全。

OpenAI计划自行研发芯片，这一战略调整不仅对该公司具有重大战略意义，同时也预示着人工智能硬件市场巨大的发展潜力和竞争格局。

OpenAI的芯片研发有望推动人工智能行业的技术创新。其他公司可能会受到启发，加大在芯片领域的研发力度，进而提升整个行业的技术水平。

然而，当前大型模型训练需求，无论是资深企业还是新兴力量，几乎都依赖于英伟达的GPU。在这一领域处于垄断地位的英伟达，拥有居高临下的定价权。

走向一条需要持久高投入的道路

虽然自研AI芯片能从根本上解决问题，但这是一条漫长的道路，并无十足把握成功。业内人士认为，这是一项重大举措、一项重大投资。

以3nm或2nm级节点为例，一家采用此类工艺制程的现代化晶圆厂的投资成本可能高达300亿美元。

在人工智能领域的高速发展过程中，对算力的需求持续上升。尤其是在训练大型AI模型，如GPT-4和GPT-5时，对高性能芯片的需求尤为庞大。

例如，GPT-4的训练所需芯片数量约为25,000块英伟达A100GPU，而更先进的GPT-5则需高达50,000块H100GPU。

这些GPU价格不菲，每块售价在2.5万至3万美元之间。

在AI技术迅猛发展的背景下，全球科技巨头纷纷积极投入自研AI芯片领域。

尽管萨姆?奥特曼筹集的具体资金数额尚不明确，但为与市值接近1.5万亿美元的英伟达展开竞争，OpenAI至少需投入数十亿美元。

结尾：

为了实现盈利，OpenAI至关重要的举措是控制成本。在一定程度上，奥特曼可能引发了资本市场的一连串变革。

预计今年在人工智能繁荣的背景下，以芯片为切入点的大型科技企业有望彻底改变传统芯片生产的格局。