AI大模型训练对算力的极致渴求，正促使科技巨头加快步伐，摆脱对单一芯片供应商的依赖。近日，OpenAI与硅片级芯片企业Cerebras Systems达成长期战略合作——未来三年内计划投入超200亿美元采购并使用后者的芯片服务器，同时获得Cerebras的认股权证，正式启动算力自主化布局。这一合作不仅是OpenAI应对计算成本高企的关键一步，更意味着AI芯片领域的竞争格局将迎来新的变化。
合作的核心吸引力，在于Cerebras的Wafer Scale Engine（WSE）芯片技术。以最新的WSE-2芯片为例，这款全硅片设计的产品集成了85万个计算核心，片上SRAM容量达40GB，内存带宽更是高达20PB/s——较英伟达A100芯片的1.9TB/s提升超10000倍。这种设计的最大优势在于，大模型训练时无需将参数拆分到多个GPU上，从而避免了跨芯片数据传输带来的延迟和能耗损耗。据Cerebras官方数据，用WSE-2训练同一大模型，能比传统GPU集群节省30%以上的训练时间，同时降低25%的能耗成本，这对需要持续迭代大模型的OpenAI来说，无疑是解决计算成本问题的重要突破口。
OpenAI选择Cerebras，背后藏着对英伟达芯片依赖的隐忧。过去几年，OpenAI的ChatGPT、GPT-4等模型训练都依赖英伟达的A100、H100芯片，但这类芯片不仅价格高昂（单颗H100芯片售价超3万美元），还受美国出口管制政策影响，供应稳定性存在风险。不仅如此，随着模型参数规模持续扩大——比如GPT-4的参数已超万亿，传统GPU集群的效率瓶颈也日益凸显。此次200亿美元的投入，不只是硬件采购，更通过认股权证实现与Cerebras的深度绑定，确保其芯片技术能持续适配OpenAI的大模型需求，为长期算力自主打下基础。
站在行业角度看，这一合作或将打破英伟达在AI训练芯片领域的垄断格局。长期以来，英伟达凭借CUDA生态和高性能GPU，占据了AI训练芯片市场超80%的份额。而Cerebras以独特的硅片级设计提供了差异化解决方案，此次拿到OpenAI的大额订单，将进一步提升其市场影响力和技术研发能力。同时，这一举措也会推动整个AI芯片行业的竞争，促使英伟达加速技术迭代——比如近期发布的H200芯片，HBM3e内存容量提升至141GB，带宽达4.8TB/s，正是应对竞争的直接反应。
值得关注的是，算力自主化正成为科技巨头们的共同选择。谷歌近期将TPU v5e芯片部署到云服务中，面向中小企业提供低成本AI训练服务；Meta透露其自研的MTIA v2芯片已应用于Instagram的推荐系统推理，算力成本较传统GPU降低50%；亚马逊也在持续迭代Trainium芯片，用于AWS的AI训练服务。这些动态表明，AI芯片领域正从单一供应商主导转向多元化竞争，而OpenAI与Cerebras的合作，无疑是这一趋势中的重要里程碑。
快报