OpenAI称深化与三星芯片合作：大模型厂商为何从租用GPU走向锁定晶圆与先进封装
· 来源：reuters.com
据汇编报道，OpenAI正与三星在存储、代工及下一代AI芯片设计上深化协作，显示头部模型公司正尝试以更深的供应链绑定降低算力成本并保障长期产能。
据汇编材料中援引路透社的报道，OpenAI表示正与三星合作开发下一代AI芯片，协作范围涉及存储和晶圆代工，并进一步延伸至芯片设计。这意味着，头部大模型公司获取算力的方式，正从过去主要向云厂商租用、或直接采购英伟达GPU，转向更早介入芯片定义、制造和封装资源安排的全链条布局。
这一变化首先源于供给约束。训练和部署大模型不仅需要计算芯片，也依赖高带宽存储、先进封装、服务器、网络、电力和散热等环节；其中，晶圆代工产能与先进封装能力往往决定了高性能AI芯片能否按计划交付。汇编报道提到，OpenAI此前已与多家芯片及内存厂商签署长期供货协议；与三星的合作若进入设计和制造协同阶段，目标应是把未来需求转化为更确定的产能预留。
成本同样是关键动因。通用GPU具备成熟的软件生态和较强的适配性，但其价格、供货节奏和产品路线由少数供应商主导。对于推理请求量持续上升的模型公司而言，若能围绕自身模型结构、精度需求、内存访问和集群互连方式定制芯片，理论上可压低单位Token的推理成本，并提升能效。不过，自研芯片并不意味着快速摆脱外部依赖：从架构设计、流片验证到软件栈适配和规模部署，均需多年投入，且仍受制于代工、封装和存储供应。
这也解释了为何合作重点不只是“做一颗芯片”。先进AI加速器的竞争越来越取决于计算、HBM等高带宽内存以及先进封装之间的协同。三星同时覆盖存储和代工业务，能够为客户提供更紧密的供应链配合；但在先进制程良率、封装能力、软件生态和量产执行上，实际合作效果仍有待后续产品与产能信息验证。
对英伟达而言，这类动作短期内难以动摇其在高端AI训练市场的主导地位。英伟达的优势不仅在GPU硬件，也来自CUDA软件生态、网络产品和大规模集群交付经验。更现实的影响是，大模型厂商将通过自研或定制芯片，把部分稳定、规模化的推理负载从通用GPU中分流，并以多元供应链增强对上游的议价能力。
值得注意的是，汇编材料还出现OpenAI新模型、训练规模等其他说法，但缺乏可供交叉核验的原始公告或完整报道。就目前可确认的线索看，OpenAI与三星的深化合作所指向的，不是单一采购订单，而是AI竞争重心从“买到多少GPU”逐步转向“能否锁定并协同组织芯片、存储、封装与数据中心资源”的产业竞争。
—— 综合整理自：aipulse.run（援引 Reuters AI）、news.mydrivers.com、MacroMicro 财经M平方