OpenAI拟开放内部软件工具 或削弱英伟达CUDA优势
Taylor Wilson
OpenAI正考虑向外界开放其跨芯片运行AI模型的内部软件，此举直指英伟达CUDA生态的护城河——一旦落地，AI开发者对单一芯片平台的依赖将被系统性削弱。
OpenAI要开放的到底是什么？
OpenAI内部开发了一套底层软件抽象层，让AI模型在不同厂商的芯片上都能高效运行，研究团队不需要关心底层跑在哪家的服务器上。
计算与基础设施高级副总裁Sachin Katti将其描述为一种"自主优化能力"，并明确表示"我们希望将这一能力提供给全世界"。
这意味着→ OpenAI想做的不只是自己用多种芯片，而是把"怎么用多种芯片"这件事变成一个公共工具。
为什么要摆脱对英伟达的依赖？
Katti指出，OpenAI、Anthropic、Meta等巨头都不愿在核心业务上过度依赖单一供应商，且目前没有任何一家芯片厂商能独自满足它们的算力需求。
OpenAI此前几乎完全依赖英伟达，近期已相继与亚马逊、Cerebras、AMD签署合作协议，并正在自研定制AI芯片。
用大白话说＝ 需求太大、一家供不起，风险太集中、一家靠不住——这是大客户摆脱单一供应商的经典逻辑。
CUDA的护城河还稳不稳？
CUDA（英伟达专有的软件生态，涵盖编译器、函数库与优化工具）是AI开发者在英伟达芯片上跑代码的核心基础设施，也是英伟达锁定用户的关键。
但这道护城河已在被多方侵蚀：Meta开发的PyTorch框架让开发者更容易为多种芯片写AI代码；部分初创公司在卖工具，把PyTorch代码直接转译成可在其他芯片上运行的底层代码。
这意味着→ 如果OpenAI再把自己的跨芯片软件开源，CUDA的"用了就离不开"效应将被从需求端系统性瓦解。
英伟达的下一代芯片进展如何？
Katti透露，OpenAI已拿到英伟达下一代Vera Rubin芯片的早期样品，预计今年底用于AI训练。
他评价英伟达从上一代Blackwell系统的运营痛点中吸取了教训——"所有功劳归于英伟达，他们确实从诸多成长阵痛中学到了东西"。
这反映出一个微妙信号：OpenAI一边在战略上"去英伟达化"，一边在战术上仍高度依赖英伟达最新硬件——脱钩是渐进的，不是一刀切的。
真正的瓶颈已经不是芯片了？
Katti明确指出，当前制约OpenAI扩大算力的主要瓶颈已不在芯片本身，而在于电力供应与新硬件上线的工程复杂度。
用大白话说＝ 芯片买得到、设计得出，但数据中心要用的电不够、把新机器装上去跑起来的工程太复杂——这才是真正卡脖子的地方。
这意味着→ AI算力竞赛的核心战场正在从"谁有最好的芯片"转向"谁能搞定电力和基础设施工程"。
Content is for reference only, not financial advice.