Seit mindestens dem letzten Jahr hat OpenAI laut Insidern verschiedene Optionen erörtert, um den Mangel an teuren KI-Chips zu beheben, auf die OpenAI angewiesen ist. Diese Optionen umfassen den Bau eigener KI-Chips, eine engere Zusammenarbeit mit anderen Chip-Herstellern, einschließlich Nvidia, sowie die Diversifizierung der Lieferanten über Nvidia hinaus.
OpenAI CEO Sam Altman hat den Kauf von mehr KI-Chips zur obersten Priorität für das Unternehmen gemacht. Er hat öffentlich über die Knappheit von Grafikprozessoren geklagt, einem Markt, der von Nvidia dominiert wird und mehr als 80% des weltweiten Marktes für Chips beherrscht, die am besten für KI-Anwendungen geeignet sind.
Der Drang, mehr Chips zu bekommen, ist mit zwei Hauptbedenken verbunden, die Altman identifiziert hat: ein Mangel an fortschrittlichen Prozessoren, die die Software von OpenAI antreiben, und die enormen Kosten, die mit dem Betrieb der für KI-Bemühungen und Produkte erforderlichen Hardware verbunden sind. Seit 2020 entwickelt OpenAI künstliche Intelligenztechnologien auf einem von Microsoft gebauten Supercomputer, einem seiner größten Sponsoren, der 10.000 Grafikprozessoreinheiten verwendet. Grafikprozessoren (GPU) von Nvidia.
Die Nutzung von Running ChatGPT ist teuer für das Unternehmen. Laut einer Analyse des Analysten Stacy Rasgon von Bernstein kostet jede Anfrage etwa 4 Cent. Wenn sich die ChatGPT-Anfragen auf ein Zehntel der Größe der Google-Suchen erhöhen würden, bräuchte es zunächst etwa 48,1 Milliarden US-Dollar an GPUs und etwa 16 Milliarden US-Dollar an Chips pro Jahr, um den Betrieb aufrechtzuerhalten.
Die Bemühungen zur Entwicklung eigener KI-Chips würden OpenAI in eine kleine Gruppe großer Technologieunternehmen wie Alphabet’s Google und Amazon.com stellen, die die Kontrolle über das Design ihrer Unternehmenschips erlangen möchten. Es ist unklar, ob OpenAI seine Pläne zur Entwicklung eigener Chips fortsetzen wird. Dies wäre eine wichtige strategische Initiative und eine bedeutende Investition mit Kosten, die nach Angaben von Branchenveteranen mehrere hundert Millionen Dollar pro Jahr erreichen könnten.
Auch wenn OpenAI Ressourcen für die Aufgabe zur Verfügung stellt, garantiert dies keinen Erfolg. Der Erwerb eines Chip-Unternehmens könnte den Prozess von OpenAI bei der Entwicklung eines eigenen Chips beschleunigen – ähnlich wie bei Amazon.com und der Übernahme von Annapurna Labs im Jahr 2015. Laut einer Person, die mit den Plänen von OpenAI vertraut ist, hat das Unternehmen diese Option sorgfältig geprüft und begonnen, die Möglichkeit eines Kaufs eines Chip-Unternehmens effektiv zu bewerten. Bisher ist die Identität des von OpenAI zu erwerbenden Unternehmens unbekannt.
Selbst wenn OpenAI mit seinen Plänen für maßgeschneiderte Chips voranschreitet – einschließlich Akquisitionen – wird der Aufwand wahrscheinlich mehrere Jahre dauern und das Unternehmen vorübergehend von kommerziellen Anbietern wie Nvidia und Advanced Micro Devices abhängig machen. Einige große Technologieunternehmen bauen seit Jahren ihre eigenen Prozessoren, aber die Ergebnisse sind begrenzt.
Laut einem Reuters-Bericht sind Metas Bemühungen, maßgeschneiderte Chips herzustellen, auf Probleme gestoßen, was das Unternehmen dazu zwang, einige seiner KI-Chips aufzugeben. Die Eigentümer von Facebook arbeiten derzeit an einem neueren Chip, der alle Arten von KI-Arbeiten unterstützen kann. Der Hauptunterstützer von OpenAI, Microsoft, entwickelt auch einen maßgeschneiderten KI-Chip, den OpenAI derzeit testet.
Demand for specialised AI chips has soared since ChatGPT launched last year. AI chips or accelerators are required to train and run the latest generation AI technology. Nvidia is one of the few chip manufacturers that produces useful AI chips and dominates the market. Mit diesem Schritt hat Open AI Fragen zur Autonomie und Kontrolle bei der Entwicklung von Künstlicher Intelligenz-Technologie aufgeworfen.
Dies stellt einen Trend in der KI-Branche dar, da viele Organisationen bestrebt sind, ihre eigene Hardwareinfrastruktur aufzubauen, um Leistung und Kontrolle bei der Entwicklung und Bereitstellung von KI-Anwendungen zu verbessern.