Nakatapos na ang OpenAI sa pag-rent ng kanyang kinabukasan mula sa Nvidia. Ipinahayag ng kumpanya ang isang pagkakaisa kay Broadcom upang mag-develop ng mga custom na AI accelerator na espesyal na optimal para sa malalaking language models, na may layunin na ipagpatupad mula sa ikalawang kalahati ng 2026 hanggang sa wakas ng 2029.
Ang sukat ay nakakalito: 10 gigawatts ng custom AI accelerators.
Ano talaga ang anyo ng partnership
Malinaw ang paghahati ng mga gawain dito. Ang OpenAI ang nag-aalaga ng disenyo ng accelerator, na nagdadala ng kanyang malalim na pag-unawa sa mga workload ng LLM diretso sa arkitektura ng silicon. Ang Broadcom naman ang nagsisilbing responsable sa pag-unlad, paggawa, at pag-deploy ng mga sistema na iyon, at pagsasama ito sa kanyang sariling teknolohiya ng Ethernet networking.
Hindi ito ang unang pagpapakita ng OpenAI sa mga custom na chip. Noong Setyembre 2025, lumabas ang mga ulat na ang kumpanya ay nagtatrabaho kasama ang Broadcom sa isang “XPU” accelerator chip na nakalaan para sa produksyon noong 2026. Ang pagpapahayag noong Oktubre 13 ay nagpapatotoo at malawak na pinapalawig ang pagsisikap na iyon.
“Ang pagpapaunlad ng ating sariling mga accelerator ay nagdaragdag sa mas malawak na ecosystem,” ayon kay OpenAI CEO na si Sam Altman.
Ipinahayag ni Broadcom CEO Hock Tan ang pangarap nang mas direkta, na naglalarawan sa layunin bilang “mag-co-develop at mag-deploy ng 10 gigawatts ng mga susunod na henerasyon na accelerators.”
Ang mga pag-install ay magkakaroon ng pagpapalaganap sa mga sariling facility at mga kaugnay na data center ng OpenAI.
Bakit kailangan ng OpenAI ang sarili nitong silicon
Ayon sa mga ulat, may higit sa 800 milyon na weekly active users ang OpenAI na gumagamit ng kanyang cloud-based AI services. Ang pagpapatakbo ng malalaking language models sa ganitong sukat ay napakadakilang gastos, at ang mga custom accelerator ay nagpapahintulot sa OpenAI na i-embed ang kanyang mga architectural insights diretso sa hardware—替代 ng pagsusulat ng software na naglalabas sa limitasyon ng chip, binubuo mo ang chip ayon sa eksaktong pangangailangan ng software mo.
Ito ang parehong palaisipan na ginamit ng Google sa mga chip na TPU (Tensor Processing Unit). Sumunod ang Amazon sa mga chip na Trainium at Inferentia para sa AWS. Mayroon ang Microsoft sa mga Maia accelerator nito.
Ano ang ibig sabihin nito sa kompetitibong landscape
Ang integrasyon ng Ethernet networking ni Broadcom ay isang mahalagang detalye. Ang AI inference sa malaking iskala ay hindi lamang tungkol sa mabilis na chip—kundi tungkol sa epektibong paghahatid ng data sa pagitan ng mga chip. Sa pagpapagsama ng kanyang ekspertisya sa networking kasama ang mga accelerator design ni OpenAI, kayang magbigay si Broadcom ng end-to-end na solusyon.
Mahalaga ang timeline ng pag-deploy mula 2026 hanggang 2029 para sa sinumang nagmomodelo ng mga pampinansyal na datos ng OpenAI. Ang mga custom chip ay nangangailangan ng panahon upang magdala ng returns, ngunit kapag nasa operasyon na, maaari itong magdagdag nang malaki sa pagbawas ng mga gastos sa compute bawat query ng OpenAI. Sa 800 milyong aktibong user lingguan at patuloy na tumataas, kahit maliit na pagpapabuti sa bawat inference ay maaaring magdulot ng savings na nasa bilyon-bilyon taun-taon.