OpenAI har præciseret sin holdning til Googles AI-chips og udtaler, at der på nuværende tidspunkt kun foretages indledende tests af Googles tensor processorenheder (TPU'er), og at der ikke er planer om at udrulle dem i stor skala foreløbigt.
Den 30. juni kommenterede en OpenAI-talsmand på rapporter, der antydede, at virksomheden ville benytte Googles egne chips til at drive sine produkter. Præciseringen kom i kølvandet på tidligere nyheder om, at OpenAI var begyndt at leje Googles TPU'er via Google Cloud for potentielt at reducere omkostningerne ved inferensberegninger, som angiveligt udgør over 50% af OpenAI's samlede beregningsbudget.
AI-lederen forfølger en flerstrenget chipstrategi for at håndtere de eksplosivt voksende beregningsbehov. I øjeblikket er OpenAI stærkt afhængig af Nvidias GPU'er, som dominerer omkring 80% af markedet for AI-chips. Dog har virksomheden aktivt integreret AMD's AI-chips i sin infrastruktur. I en markant udvikling deltog OpenAI's CEO, Sam Altman, sammen med AMD's CEO, Lisa Su, ved AMD's Advancing AI-event i juni 2025, hvor det blev bekræftet, at OpenAI tager AMD's MI300X-chips i brug og engagerer sig i de kommende MI400-serieplatforme.
Samtidig gør OpenAI betydelige fremskridt med udviklingen af sin egen specialdesignede AI-chip. Virksomhedens interne team, ledet af tidligere Google TPU-chef Richard Ho, er vokset til omkring 40 ingeniører, der arbejder sammen med Broadcom. Dette initiativ med specialdesignet hardware forventes at nå den kritiske "tape-out"-milepæl i år, med masseproduktion planlagt til 2026 hos Taiwan Semiconductor Manufacturing Company (TSMC).
OpenAI's diversificerede tilgang til chipinfrastruktur afspejler den strategiske betydning af hardware i AI-kapløbet. Da træning og drift af stadig mere avancerede AI-modeller kræver enorme beregningsressourcer, søger virksomheder at optimere ydeevne, samtidig med at omkostninger og afhængighed af forsyningskæder håndteres. Med infrastruktursamarbejder med blandt andre Microsoft, Oracle og CoreWeave positionerer OpenAI sig til at bevare sin teknologiske førerposition og samtidig imødekomme de økonomiske udfordringer ved at skalere AI-systemer.