شرکت OpenAI در همکاری با Broadcom و TSMC در حال ساخت اولین چیپ اختصاصی هوش مصنوعی خود است. این چیپ با هدف تأمین نیازهای پردازشی پیشرفته برای سیستمهای هوش مصنوعی این شرکت طراحی میشود. طبق گزارش رویترز، OpenAI به دنبال بهینهسازی تأمین چیپها و کاهش هزینهها، چیپهای AMD را در کنار چیپهای Nvidia برای زیرساختهای خود استفاده خواهد کرد.
مقاله پیشنهادی: آشنایی با سخت افزارهای هوش مصنوعی
OpenAI که با تقاضای بیسابقه برای توان پردازشی مواجه شده است، گزینههای مختلفی را برای کاهش هزینهها و تنوع در منابع تأمین چیپها بررسی کرده است. این شرکت ابتدا قصد داشت شبکهای از کارخانههای تولید چیپ (فاندری) را به صورت داخلی راهاندازی کند. اما به دلیل هزینههای هنگفت و زمانبر بودن این طرح، تصمیم گرفت بهجای آن بر طراحی داخلی چیپها و همکاری با تأمینکنندگان معتبر تمرکز کند.
این تغییر استراتژی نشاندهنده تلاش OpenAI برای مدیریت تأمین چیپها مشابه با شرکتهای بزرگ فناوری مثل آمازون، متا، گوگل و مایکروسافت است. در پی این خبر، ارزش سهام Broadcom در معاملات سهشنبه بیش از ۴.۵ درصد رشد کرد. سهام AMD نیز ۳.۷ درصد افزایش یافت.
OpenAI به عنوان یکی از بزرگترین خریداران GPUهای Nvidia، برای آموزش و اجرای مدلهای خود به قدرت پردازش بسیار بالا نیاز دارد. این شرکت مدتی است با Broadcom در حال طراحی چیپهایی مخصوص inference است که با هدف پردازش سریع اطلاعات جدید در کاربردهای عملی هوش مصنوعی ساخته میشوند. با رشد چشمگیر کاربردهای هوش مصنوعی، پیشبینی میشود تقاضا برای چیپهای inference از چیپهای آموزشی نیز پیشی بگیرد.
مقاله پیشنهادی: GPU چیست؟
این شرکت با کمک Broadcom و ظرفیت تولیدی شرکت TSMC قصد دارد اولین چیپ اختصاصی خود را تا سال ۲۰۲۶ روانه بازار کند. با این حال، برنامه زمانی ممکن است تغییر کند.
در حال حاضر، Nvidia حدود ۸۰ درصد از سهم بازار چیپهای GPU را در اختیار دارد. با توجه به کمبود عرضه و هزینههای بالای این چیپها، شرکتهایی نظیر مایکروسافت، متا و اکنون OpenAI، به دنبال جایگزینهای داخلی و خارجی برای چیپهای Nvidia هستند.
استفاده OpenAI از چیپهای AMD در پلتفرم Azure مایکروسافت، نشاندهنده تلاش AMD برای بهدست آوردن سهمی از این بازار پررونق است. این شرکت قصد دارد با عرضه چیپهای MI300X که در سهماهه چهارم ۲۰۲۳ معرفی میشوند، رقابتی جدی با Nvidia ایجاد کند.
OpenAI با هزینههای بسیار سنگینی برای آموزش و اجرای مدلهای خود، پیشبینی کرده است امسال حدود ۵ میلیارد دلار زیان داشته باشد. این شرکت به دلیل هزینههای بالای زیرساختهای محاسباتی، به دنبال بهینهسازی استفاده از منابع و تنوع در تأمینکنندگان است.