OpenAI擬開發自家晶片 強強聯手勇渡CUDA護城河 輝達還能制霸AI晶片多久？

近日，為了減少對輝達晶片的依賴，OpenAI 宣布計劃自行設計晶片。隨著人工智慧 (AI) 技術的迅猛發展，對運算晶片的需求日益增加。科技公司在激烈的大模型競爭中，強大的運算能力已成為必不可少的基礎設施。即使是領先行業的 OpenAI，亦面臨著 AI 晶片日益短缺的困境。

對於 OpenAI 來說，晶片的短缺不僅限制了其成長速度，更重要的是，目前市場上的 AI 晶片幾乎被輝達 (NVDA-US) 所壟斷，促使 OpenAI 意識到建立自身晶片供應鏈的必要性。

OpenAI 執行長奧特曼今年初在社交媒體上表示：「我們認為，世界需要比目前計劃更多的 AI 基礎設施，包括晶圓廠產能、能源和數據中心等。建立大規模的 AI 基礎設施及有彈性的供應鏈，對於經濟競爭力至關重要。」

根據最新消息，OpenAI 計劃成立一家合資晶片設計公司，並可能與博通 (AVGO-US) 展開合作，將晶片生產委託給台積電 (2330-TW) (TSM-US)，此決策引發業界對 AI 晶片與一般晶片之間差異的深入探討，以及輝達在市場中的獨特地位。

AI 晶片的獨特性及輝達的市場優勢

從廣義上講，任何能進行 AI 相關運算的晶片都可稱為 AI 晶片，但一般所指的 AI 晶片是專門針對 AI 算法進行加速設計的晶片。目前，圖形處理單元（GPU）是 AI 晶片的主要資源。早在 2007 年之前，通用的中央處理器（CPU）就能滿足 AI 運算的需求，但隨著技術的進步，GPU 因其優越的並行計算特性，逐漸成為 AI 計算的主流。

在實際運算中，CPU 負責處理複雜的邏輯判斷和串行任務，而 GPU 則專注於大規模的並行運算，特別是在深度學習算法中，GPU 的優勢愈加明顯 (深度學習演算法的一個訓練模型可能要成千上萬個 GPU)。2023 年，OpenAI 在訓練 GPT-4 時使用了 25000 張輝達的 A100 GPU，顯示出 GPU 在 AI 研發中的重要性。

晶片市場的未來與競爭格局

根據國際半導體產業協會的報告，2024 年全球半導體設備總銷售額預計將達到創紀錄的 1090 億美元。輝達作為這場熱潮中的佼佼者，其市值在今年上半年超越了微軟，成為全球市值最高的公司。輝達自 1993 年成立以來，憑藉其在 GPU 領域的技術優勢，出貨量在 2023 年達到 376 萬顆，占全球市場的 98%。

今年輝達推出新系列 GPU，粗略估計比上一系列的性能高出 5 倍左右，仍佔據著技術頂尖的地位。

然而，隨著市場競爭的加劇，OpenAI、Meta(META-US)、微軟 (MSFT-US)、谷歌(GOOGL-US) 及亞馬遜 (AMZN-US) 等輝達大客戶，以及英特爾 (INTC-US)、AMD (AMD-US) 和高通 (QCOM-US) 這些輝達競爭者正聯手推動開源語言項目 Triton，旨在打破輝達的 CUDA 霸權。Triton 能夠兼容流行的編程語言 Python，目標是能同時在輝達和其他 GPU 供應商的產品上運作。倘若 OpenAI 成功，任何程式開發者都能夠使用 Triton 給任何 GPU 編程，無需依賴輝達的技術，從而改變當前的市場格局。

此外，中國也有十數家企業擁有自家 GPU 項目，有些企業也擁有類似 CUDA 的 GPU 軟體平台，並開發了將 CUDA 程式遷移到自家平台上的工具。

在 AI 晶片的競爭中，未來的局勢仍然充滿變數。隨著越來越多企業進入這一領域，輝達的市場優勢可能面臨挑戰，AI 晶片的未來競爭將愈發激烈。

編註：

CUDA（Compute Unified Device Architecture）是輝達自 2006 年推出的一套並行計算平台和程式設計模型，旨在充分發揮其圖形處理單元（GPU）的運算能力。CUDA 允許開發者使用熟悉的程式語言（如 C、C++ 和 Fortran）來編寫能在輝達 GPU 上高效運行的應用程式，這使得 GPU 的強大性能得以廣泛應用於各種計算密集型任務，包括 AI、深度學習、科學計算等。

為何 CUDA 成為輝達的護城河？

1. 生態系統的建立：CUDA 不僅是一套程式設計工具，它還促進了開發者社群的形成。隨著越來越多的開發者投入 CUDA 的開發，輝達建立了強大的生態系統，使得使用 CUDA 的應用程式數量不斷增加，進一步鞏固其市場地位。

2. 技術壁壘：由於 CUDA 是專為輝達的 GPU 設計的，其他競爭對手難以模仿或替代這一技術。這種專屬性使得使用 CUDA 的應用程式只能在輝達的 GPU 上發揮最佳性能，形成了一道難以逾越的技術壁壘。

3. 高效的並行計算：CUDA 的設計充分利用了 GPU 的並行計算能力，讓開發者能夠輕鬆地將計算任務分配給數以千計的處理單元，從而顯著提高運算效率。在 AI 和深度學習等領域，這一特性尤其重要，因為這些應用通常需要處理大量的數據和複雜的計算。

4. 持續的創新與支持：輝達不斷對 CUDA 進行更新和擴展，增強其功能和性能，並提供豐富的文檔和技術支持，這使得開發者能夠隨時獲得最新的技術資訊，並快速解決問題。

5. 市場佔有率：隨著越來越多的企業和研究機構選擇輝達的 GPU 進行計算，CUDA 的普及使輝達在市場上佔據了主導地位。這種市場佔有率進一步加強了其護城河，使得競爭對手在進入市場時面臨更大的挑戰。

總結來說，CUDA 不僅是輝達 GPU 性能的關鍵驅動力，更是其在激烈競爭中保持領先的重要護城河。隨著 AI 和高性能計算需求的持續增長，CUDA 的影響力將愈加凸顯。