OpenAI自研芯片进展:为何算力突破并非简单的技术叠加

绿芷阅读:5922026-11-19 21:55:32

人们常常以为,人工智能的算力突破是芯片制造工艺的简单线性进步。比如,从7纳米到5纳米,再到3纳米,性能就必然同等比例提升。但OpenAI自研芯片的进展,却揭示出这种常识性判断的局限。2023年,OpenAI发布声明称其自研芯片SambaNova已实现特定AI任务上的性能跃迁,这并非单纯依靠更小的制程。

OpenAI自研芯片进展:为何算力突破并非简单的技术叠加

梳理这一事件的时间线会发现一个关键差异:2021年OpenAI开始涉足芯片研发时,业界普遍认为其缺乏硬件设计经验。然而,实际进展显示,OpenAI更侧重于为大型语言模型定制专用计算单元。这与传统芯片企业追求通用性路径截然不同。为何会出现这种差异?从社会行为动因来看,OpenAI作为AI应用端企业,其算力需求具有高度特殊性——需要同时处理海量文本数据的稀疏矩阵运算。

回溯制度形成的历史因素,上世纪90年代美国商务部制定出口管制条例时,并未预料到云计算会催生AI算力需求激增。当OpenAI在2022年试图采购先进制程芯片受阻后,才加速启动自主研发。这并非偶然的技术选择,而是产业生态演变的必然结果。其研发过程遵循了"准备→实施→验证"的路线:首先分析GPT系列模型对算力的具体瓶颈,接着设计包含张量核心和稀疏处理单元的专用架构,最后在英伟达H100上验证性能提升达3.5倍。

,SambaNova在能耗比上表现突出,单瓦性能较业界同类产品高60%。这一结果印证了OpenAI的判断:为特定算法优化硬件比追求绝对性能更符合商业逻辑。但仍有疑问悬而未决——当全球芯片供应链重构之际,OpenAI的自研路线能否获得足够支持?或许答案就在于它如何平衡短期商业需求与长期技术自主性。毕竟,从GPT-3到GPT-4的算力需求增长曲线显示,未来的竞争将不仅是算法之争,更是计算基础设施的掌控权之争。

本站所有图文均由用户自行上传分享,仅供网友学习交流。若您的权利被侵害,请联系 KF@Kangenda.com

上一篇:美国航母与伊朗冲突最新消息:战略误判与调整

下一篇:OpenAI全球活动开幕:科技巨头如何影响普通人生活