OpenAI продвигает свои модели для проектирования чипов, делая ставку на снижение затрат по сравнению с open-source решениями

OpenAI расширяет использование своих продвинутых моделей в проектировании чипов, науках о жизни и финансах, утверждая, что модель с более высокой первоначальной стоимостью может окупиться за счет выполнения задачи с меньшим числом попыток.

Reuters сообщило 9 сентября, что финансовый директор Сара Фрай изложила этот аргумент на конференции Goldman Sachs Communacopia + Technology Conference в Сан-Франциско 7 сентября.

Для компаний, пытающихся решить, выбирать ли модели высокого класса или недорогие, это меняет дискуссию. Вместо того чтобы спрашивать, у какой модели самая низкая цена за токен, OpenAI хотела бы, чтобы клиенты рассматривали, какая модель предлагает самую дешевую завершенную задачу.

Проектирование чипов как клин, а не замена EDA

OpenAI не пытается заменить системы автоматизированного проектирования электроники (EDA), которые инженеры в настоящее время используют для разработки чипов. На самом деле, ее решения помогают улучшить эти процессы, помогая инженерам анализировать проблемы, оценивать подходы и ускорять выполнение определенных задач.

По словам Фрай, спрос на ИИ, разработанный для конкретных задач, растет. Как сообщало Reuters, OpenAI также тестирует бизнес-модель, в которой цена зависит от того, насколько эффективен ИИ для данной компании, а не от объема потребления.

Это согласуется с сообщением, опубликованным Фрай 17 июля, в котором подчеркивалась важность «Полезного интеллекта за доллар» по сравнению с ценой токена. Хотя более дешевая модель может требовать нескольких попыток и проверок, а также вмешательства человека, дорогая модель может оказаться более рентабельной, поскольку она быстрее достигает результата.

Jalapeño как внутреннее доказательство эффективности

Нагляднейшим доказательством изобретательности OpenAI является Jalapeño, их первый собственный чип для вывода моделей (inference). Компания заявила в сообщении от 25 августа, что ее технология ИИ способствовала переходу Jalapeño от стадии концепции к tapeout всего за девять месяцев.

Благодаря ИИ циклы проектирования, измерения и верификации были сокращены. ИИ также использовался для улучшения арифметических схем и программирования готового чипа.

OpenAI заявила, что производительность чипа Jalapeño была в 1,5–1,9 раза выше, когда речь идет об ИИ-работе на ватт, по сравнению с эквивалентными устройствами Nvidia GB200 и GB300, используемыми для выполнения вычислений GPT-OSS 120B, DeepSeek R1 и Kimi K2.5.

Согласно информации, предоставленной Cryptopolitan 25 августа, чип, разработанный Broadcom, предназначен строго для целей OpenAI и не предназначен для продажи на рынке. Следовательно, эти статистические данные являются только показателями OpenAI. Аналитики SemiAnalysis наблюдали за работой InferenceX, но не воспроизводили полный набор тестов самостоятельно.

Аргумент о стоимости за задачу, проверенный внешними данными

Фрай заявила, что решение OpenAI резко снизить стоимость их продукта начального уровня Luna способствовало почти десятикратному росту его использования, а также увеличило число пользователей Codex до 25 миллионов, согласно Reuters.

Независимые тесты предоставляют некоторые доказательства заявления о ценах. Artificial Analysis сравнивает цены GPT-5.6 Luna с GLM-5.3 от Z.ai и устанавливает цену Luna примерно на уровне $0,18 против $2,01 для GLM-5,3 для стандартной задачи.

Однако это не совсем одностороннее сравнение. GLM-5.3 набрал 45 баллов в Индексе интеллекта Artificial Analysis, который присваивает Luna всего 38 баллов. Таким образом, у OpenAI есть преимущество в цене за стандартную задачу, но она не обязательно является ИИ с наилучшей производительностью.

Поле, в которое OpenAI входит поздно

Использование ИИ для проектирования чипов уже хорошо зарекомендовало себя. Synopsys заявляет, что ее генеративный ИИ-копилот может сократить время поиска информации на 40% и уменьшить время до решения задачи в 10–20 раз.

Cadence заявила 1 июня, что ее автономный инженер ИИ ChipStack может сократить некоторые циклы валидации RTL с пяти недель до менее чем одного дня. AlphaChip от Google также использовался в продвинутых чипах по всему Alphabet.

Реальным отличием OpenAI, таким образом, является не утверждение, что ИИ может помочь в проектировании чипов. Это аргумент о том, что ее проприетарные модели могут делать это при более низкой стоимости за успешный результат.

Почему ставки продолжают расти

Рынок, стоящий за этим аргументом, огромен. PwC заявила 2 сентября, что глобальные капитальные затраты на инфраструктуру ИИ могут достичь $31,6 трлн к 2050 году, при этом ежегодные расходы вырастут примерно с $800 млрд в 2026 году до $1,8 трлн в 2050 году. Постоянное обновление чипов и серверов, как ожидается, будет двигать большую часть этих расходов.

Отчет ОЭСР от 10 июля о рынках ИИ добавляет контраргумент: цены на ИИ-модели с поправкой на качество упали почти на 80% между январем 2024 года и апрелем 2026 года, даже при том, что вычислительные мощности, чипы и другие критические ресурсы оставались высоко концентрированными.

OpenAI делает ставку на то, что более тесная интеграция между моделями, программным обеспечением и кремнием превратит эту концентрацию в преимущество эффективности. Если ей это удастся, стоимость завершенной задачи может стать важнее цены токена — и стать еще одной силой, толкающей ИИ в сторону игроков полного стека.