近期，業內動態顯示，OpenAI在尋求計算資源的多元化布局上邁出了新步伐，其合作網絡不再局限于長期伙伴微軟，而是積極拓展至甲骨文、CoreWeave等，甚至包括直接競爭對手谷歌。
盡管市場傳聞OpenAI可能與谷歌建立合作關系，利用谷歌自研的張量處理單元（TPU）來運行或訓練其模型，但據路透社報道，這一合作在近期內并未成為現實。OpenAI在周末發布的聲明中承認，他們正在測試谷歌的TPU技術，但目前尚無大規模部署的具體計劃。
這一聲明是在《The Information》的一篇報道之后發出的，該報道指出谷歌已努力說服OpenAI將其工作負載轉移至自家的加速器上。此舉被外界視為OpenAI試圖減少對微軟及英偉達依賴的信號，尤其是在薩姆·奧特曼領導的模型構建商尋求更多自主權的背景下。
事實上，OpenAI在硬件堆棧多樣化方面已有多年的探索。盡管起初可能主要依賴英偉達的DGX系統，但這一關系從未排他。GPT系列模型在多種硬件平臺上均有運行，包括微軟自研的Maia加速器。同時，微軟作為OpenAI的主要基礎設施提供商之一，也是最早采用AMD Instinct MI300系列加速器的企業之一，這些加速器在運行GPT-4等模型時展現了關鍵優勢。
AMD的加速器以其高內存容量和帶寬著稱，這可能使它們在模型服務方面比英偉達的GPU更具經濟性。因此，即使OpenAI與微軟的關系有所調整，AMD仍保持著與這家新興AI巨頭的關鍵合作關系。上個月，奧特曼在AMD AI推進活動上發表演講，進一步強調了雙方的合作。
OpenAI還被曝正在自主研發AI芯片，以優化其訓練和推理管道的計算、內存、帶寬和網絡比例。這一舉動表明，OpenAI在追求技術自主性的道路上越走越遠。
在這樣的背景下，OpenAI測試谷歌自研芯片的想法并不令人意外。畢竟，谷歌的Gemini模型已經證明了其架構在大規模訓練上的能力。而且，谷歌提供的TPU加速器擁有多種配置，可滿足不同計算、內存和可擴展性需求，為OpenAI提供了靈活性。
例如，谷歌第七代Ironwood TPU具有高達4.6 petaFLOPS的密集FP8性能、192GB高帶寬內存（HBM）以及1.2TB/s的芯片間帶寬，與英偉達的Blackwell加速器相當。這些TPU可以以256芯片或9,216芯片的集群形式存在，甚至可以進一步連接以擴展計算能力。
然而，盡管有這些潛在優勢，OpenAI還是決定暫不使用谷歌的TPU。這背后的原因可能包括性能未達到預期、谷歌無法滿足其需求或每個Token的成本過高等。但更可能的是，OpenAI的軟件堆棧已經高度優化以適應GPU環境。要將這一軟件調整到充分利用TPU架構，需要投入大量時間和資源，且最終可能并不會帶來顯著的性能提升。
正如常言所說，只有親自嘗試才知道山有多高。OpenAI在探索新技術和合作伙伴的道路上，顯然也在不斷學習和調整策略。
