OpenAI悄悄转向：不再只靠英伟达

过去几年，OpenAI的AI模型几乎全靠英伟达的GPU驱动。从GPT-3到GPT-4，每一次突破背后，都是H100芯片在默默运转。但最近，知情人士透露，OpenAI正在悄悄改变策略——它不再把所有希望押在英伟达身上。

问题出在“响应速度”上。不是模型不够聪明，而是当用户问一个复杂问题、让AI写一段代码、或调试一个程序时，系统卡顿了。哪怕只慢半秒，开发者就会察觉。CEO山姆·奥特曼在内部会议中直言：“我们不能让工具的延迟，拖垮专业用户的效率。”

为什么“推理”比“训练”更关键

过去，AI公司最看重的是“训练”——用海量数据喂出一个强大的模型。但现在，真正影响用户体验的，是“推理”：模型给出答案的那一刻。

举个例子：你用ChatGPT写Python代码，模型需要在几秒内完成思考、组织逻辑、输出结果。但当前的GPU架构，每次计算都要从远处的显存里“搬数据”，就像你写代码时，每敲一个字母都要去隔壁房间拿键盘——再快的处理器，也架不住来回跑腿。

OpenAI发现，同样的模型，在不同硬件上，响应时间能差出30%以上。而这30%，就是用户流失的临界点。

新伙伴登场：Cerebras和Groq

为了解决这个问题，OpenAI开始接触两家“非主流”芯片公司。

Cerebras，一家总部位于加州的初创公司，做了一件听起来像科幻的事：把整个芯片做成一个“超大内存池”。它的Wafer-Scale Engine芯片，集成了超过40万亿个晶体管，内存直接焊在计算单元旁边，数据不用远距离搬运，响应快得惊人。OpenAI已与之达成合作，未来将用Cerebras芯片处理约10%的推理负载，主要用在代码生成和复杂交互场景。

Groq，另一家被低调关注的公司，其芯片架构专为“顺序推理”优化，特别适合聊天机器人这类需要连续输出的场景。OpenAI曾多次派人前往其总部，测试其LPU（Language Processing Unit）在真实对话中的表现。虽然尚未正式签约，但内部测试数据已让团队感到惊喜。

英伟达的千亿协议，黄了？

就在几个月前，OpenAI和英伟达正谈一笔高达1000亿美元的交易：英伟达以低价供应芯片，换取OpenAI的股权。外界一度认为，这将是AI史上最大的“绑定”协议。

但现在，谈判陷入僵局。知情人士称，OpenAI对英伟达的交付节奏和未来产能承诺感到不安。而英伟达方面，也意识到自己不再是唯一选择。

与此同时，OpenAI已经悄悄和AMD签下新订单，采购其MI300X芯片，用于部分训练和推理任务。这不是试水，而是战略性的“去英伟达化”。

对手早已行动：Anthropic和谷歌的“自研芯片”

OpenAI不是唯一在换赛道的玩家。

Anthropic的Claude模型，几乎全跑在谷歌自研的TPU上。TPU专为AI推理设计，延迟低、功耗稳，在对话场景中表现稳定。谷歌内部甚至有团队称：“我们不需要等英伟达，我们自己就是基础设施。”

而微软——OpenAI的长期投资方——也在大力推动Azure上的自研AI芯片（如Maia），目标就是为自家AI服务提供独立算力支撑。

这意味着，英伟达不再是AI世界的“水电煤”。它正在从“唯一供应商”，变成“众多选择之一”。

市场正在重新洗牌

黄仁勋在公开场合仍称OpenAI是“最重要的合作伙伴”，也强调英伟达的领先地位。但私下，他的团队已开始调整策略：不再只卖芯片，而是提供“全栈解决方案”——从软件优化到定制集群，试图用服务黏住客户。

而OpenAI的动作，更像是一个信号：当AI从“实验室技术”变成“日常工具”，用户不再容忍任何不必要的延迟。谁能让AI“快到感觉不到等待”，谁就能赢得未来。

这场算力战争，不再只是芯片参数的比拼。它关乎：你的AI助手，是等你三秒，还是立刻回应。