OpenAI har förtydligat sin hållning kring Googles AI-chip och meddelar att tidiga tester av Googles tensorprocessorenheter (TPU:er) pågår, men att det inte finns några omedelbara planer på att använda dem i stor skala.
Den 30 juni kommenterade en talesperson för OpenAI rapporter som antydde att företaget skulle använda Googles egenutvecklade chip för att driva sina produkter. Förtydligandet kom efter tidigare nyheter om att OpenAI börjat hyra Googles TPU:er via Google Cloud, i ett försök att potentiellt sänka kostnaderna för inferensberäkningar – något som enligt uppgift står för över 50 procent av OpenAI:s beräkningsbudget.
AI-ledaren driver en mångfacetterad chipstrategi för att hantera sina exponentiellt växande beräkningsbehov. För närvarande förlitar sig OpenAI i hög grad på Nvidias GPU:er, som dominerar cirka 80 procent av AI-chipmarknaden. Samtidigt har företaget aktivt börjat integrera AMD:s AI-chip i sin infrastruktur. I en betydelsefull utveckling deltog OpenAI:s vd Sam Altman tillsammans med AMD:s vd Lisa Su på AMD:s "Advancing AI"-evenemang i juni 2025, där OpenAI bekräftade sitt införande av AMD:s MI300X-chip och sitt engagemang i den kommande MI400-serien.
Samtidigt gör OpenAI stora framsteg med utvecklingen av ett eget skräddarsytt AI-chip. Företagets interna team, lett av tidigare Google TPU-chefen Richard Ho, har vuxit till cirka 40 ingenjörer som samarbetar med Broadcom. Detta initiativ för egenutvecklad hårdvara är på väg att nå den kritiska "tape-out"-milstolpen under året, med målet att inleda massproduktion 2026 hos Taiwan Semiconductor Manufacturing Company (TSMC).
OpenAI:s diversifierade strategi för chipinfrastruktur speglar den strategiska betydelsen av hårdvara i AI-kapplöpningen. Eftersom träning och drift av allt mer avancerade AI-modeller kräver enorma beräkningsresurser, söker företag optimera prestanda samtidigt som de hanterar kostnader och beroenden i leveranskedjan. Med infrastrukturpartners som Microsoft, Oracle och CoreWeave positionerar sig OpenAI för att behålla sitt teknologiska ledarskap och samtidigt möta de ekonomiska utmaningarna med att skala upp AI-system.