• OpenAI ищет альтернативы некоторым GPU Nvidia из-за опасений по поводу производительности в инференс-нагрузках, что может изменить его вычислительную стратегию.
  • Этот шаг подчёркивает растущий спрос на специализированное ИИ-оборудование и усиление конкуренции на рынке ИИ-чипов.

Что произошло: OpenAI ищет альтернативы Nvidia для задач инференса

OpenAI — создатель ChatGPT — всё более недоволен некоторыми из последних чипов искусственного интеллекта Nvidia и изучает альтернативы для части своих вычислительных нагрузок, сообщили Reuters источники, близкие к ситуации. Сообщаемые опасения касаются инференс-нагрузок, где модели ИИ отвечают на запросы пользователей и генерируют результаты, включая такие инструменты, как ассистенты для программирования. Сотрудники OpenAI отметили, что GPU Nvidia иногда отстают по скорости и доступу к памяти для этих задач, что побуждает компанию рассматривать специализированные чипы со встроенной памятью и другими архитектурными отличиями.

Хотя Nvidia остаётся доминирующим поставщиком оборудования для обучения больших моделей — задачи, требующей интенсивных параллельных вычислений, — инференсстал отдельным полем битвы: производительность и экономическая эффективность становятся всё более важными по мере того, как ИИ-компании разворачивают модели в больших масштабах.

Согласно отчёту, расхождение OpenAI с Nvidia длится как минимум с 2025 года, когда компания искала потенциальных партнёров и производителей чипов, таких как AMD и Cerebras, для GPU и ускорителей, которые могли бы лучше соответствовать её растущим потребностям в инференсе.

Хотя Nvidia утверждает, что по-прежнему обеспечивает большую часть инференс-парка OpenAI и предлагает конкурентоспособную производительность и выгодную совокупную стоимость владения, сообщаемый стратегический разворот OpenAI подчёркивает изменение приоритетов в аппаратном обеспечении в быстрорастущем секторе ИИ.

Читайте также:Переговоры SoftBank с OpenAI на $30 млрд вызывают опасения
Читайте также:Amazon рассматривает инвестиции в OpenAI на $50 млрд

Почему это важно

Эта новость показывает, что даже лидеры рынка пересматривают устоявшиеся отношения с поставщиками в ответ на меняющиеся технические требования и ценовое давление. Поскольку инференс — реальное использование моделей ИИ — занимает всё большую долю вычислительных нагрузок, требования к чипам (такие как быстрые пути доступа к памяти и низкая задержка) могут отличаться от тех, что важны при обучении моделей.

Изучение OpenAI альтернативных поставщиков и аппаратных подходов отражает более широкие отраслевые тенденции: компании всё чаще интересуютсягетерогенными вычислениями — сочетанием GPU, специализированных ускорителей и кастомных чипов — для оптимизации производительности на доллар.Исследования гетерогенного ИИ-оборудования показывают, что новые архитектуры ускорителей могут достигать конкурентоспособной энергоэффективности и производительности, хотя программная поддержка и экосистема всё ещё находятся в стадии становления.

Стратегически этот потенциальный сдвиг может также осложнить отношения между OpenAI и Nvidia. Обе компании были связаны многомиллиардными инвестиционными предложениями и тесным сотрудничеством; по другим сообщениям, Nvidia даже планировала значительные капитальные вложения в OpenAI. Хотя Nvidia публично отрицала какой-либо фундаментальный разрыв, а OpenAI подчёркивала продолжающуюся зависимость от оборудования Nvidia, лежащая в основе динамика в пользу альтернатив показывает, как конкурентное давление и технические приоритеты могут менять партнёрства.

Наконец, ситуация подчёркивает более широкую тенденцию в сфере ИИ: по мере того как нейронные сети становятся центральными для растущего числа приложений, аппаратные стеки должны развиваться, чтобы удовлетворять разнообразные потребности обучения, инференса, масштабирования развёртывания и управления затратами. Поиск альтернатив чипам Nvidia такой ведущей ИИ-компанией, как OpenAI, может стимулировать инвестиции в специализированный кремний, включая новые конструкции ускорителей и чиплеты, поскольку компании стремятся дифференцироваться по производительности и экономике.