发布时间:2025-07-2 阅读量:672 来源: 我爱方案网 作者: wenwei
【导读】7月伊始,关于人工智能领导者OpenAI将大规模采用谷歌自研AI芯片(TPU)的传闻被官方正式澄清。此前《路透社》曾援引消息称,OpenAI已与Google Cloud签约,将租赁谷歌TPU以满足其ChatGPT等产品日益增长的计算需求。然而,OpenAI发言人近日向媒体明确表示,公司目前没有计划使用谷歌的TPU芯片来驱动其产品。

OpenAI发言人进一步解释道,虽然其AI实验室确实参与了谷歌TPU的初步技术测试与评估,但这仅是探索性行为。该发言人强调:“目前尚无大规模采用(谷歌TPU)的计划。”这一表态直接回应了路透社关于双方达成“出人意料合作”的报道,表明现阶段该传闻并不属实。
OpenAI当前核心算力来源明确
报道指出,OpenAI目前高度依赖外部提供的计算基础设施,其主要的算力支撑来自于美国AI云服务提供商CoreWeave提供的英伟达GPU服务器集群,同时也在一定程度上采用AMD的AI芯片。这种依赖也凸显了高性能AI芯片在当前行业内的关键地位。
布局未来:OpenAI发力自研芯片
为降低对英伟达、AMD等外部芯片供应商的长期依赖,并优化成本与性能,OpenAI已启动其自有AI芯片的研发项目。据悉,公司内部目标是在2024年内达成“tape-out”里程碑——即完成芯片设计并将其送交晶圆厂进行制造。这标志着OpenAI在核心硬件领域寻求更大自主权的重要一步。
谷歌积极拓展TPU外部生态
值得关注的是,谷歌近期正改变其TPU策略,从主要自用转向对外商业化供应,通过Google Cloud平台向更多外部客户提供TPU算力服务。这一策略旨在拓宽市场,增强云服务竞争力。目前已知的潜在或现有重要客户包括科技巨头苹果公司,以及由OpenAI前成员创立的、被视为ChatGPT强劲竞争对手的AI初创公司Anthropic和Safe Superintelligence (SSI)。谷歌方面对于OpenAI是否使用其TPU一事则拒绝置评。
行业格局演变持续
OpenAI此次的辟谣,不仅澄清了其近期的硬件采购策略,也再次印证了AI巨头们在构建算力底座时的多元化与复杂性。一方面,利用当前市场上最成熟的高性能GPU/加速卡是普遍选择;另一方面,头部企业纷纷投入巨资研发专有芯片以追求性能优化和供应链安全。与此同时,谷歌TPU作为一种重要的替代方案,其开放策略正在吸引除OpenAI之外的重量级玩家加入生态。AI芯片领域的竞争与合作格局仍在动态演进中。
在英伟达GPU与CUDA生态长期主导AI训练与科学仿真的背景下,国产LineShine(灵晟)纯CPU超算以2.198 EFlops持续双精度性能登顶TOP500,印证了“矩阵增强型CPU”正在重构HPC底层硬件标准。 近日,Jack Dongarra、Satoshi Matsuoka、Torsten Hoefler三位HPC权威联合发表《Do We Still Need GPUs? Rethinking AI and Scientific Computing on Matrix-Enhanced CPUs》,系统拆解了无GPU同构超算的四层技术体系:处理器指令集硬件加速、统一HBM高带宽内存架构、全精度混合运算单元、原生高速互联网络。
回顾AI今年的发展轨迹,我们能察觉到一种质的变化:AI不再只是被展示、被调用的“展品”,而是拥有了更明确的“行动感”。从代码编写到机器人奔跑,从算力基建到未来接口,行业正集体从“回答问题”走向“完成任务”。 我们试图透过五个数字,捕捉这一轮产业变革中的关键切片。
展会大数据公布!2027.7.7-9,上海见。
全球知名半导体制造商ROHM近日宣布,面向车载安全功能和保护电路开发出100V耐压MOSFET新品“RS4P063BPHZG”
2026 WAIC落下帷幕,国内AI算力产业的共识正发生清晰转向:单点参数竞赛逐渐退潮,超节点集群、全产业链自主可控与底层架构原始创新成为核心主线。在此背景下,首次参展的东方算芯凭借“高能效软件定义近存计算芯片DF1000”斩获大会最高荣誉SAIL奖。这座奖杯背后,指向了一条不依赖先进制程与既有生态的突围之路。