Sora 2 震撼登顶：OpenAI联手博通打造自研芯片！升级“芯”战！

1

Sora 2 震撼登顶点燃“芯”战新篇章

1.1 Sora 2 震撼登顶背后“甜蜜烦恼”

2025年10月3日，凭借着“AI+社交”的创新玩法OpenAI的视频社交应用Sora 2登顶苹果美国“热门免费应用”榜单（前三名中OpenAI独占两席（Sora 2与ChatGPT）），让OpenAI有底气首次直接与Meta、Ticktok等社交巨头展开竞争。

Sora 2爆火的背后是OpenAI对算力资源的巨大胃口，但由于Sora 2采用的DiT（Diffusion Transformer）架构所引发的远超传统LLM的架构复杂性，导致Sora 2的推理成本理论计算值高达GPT-4的约2000倍，生成一段5秒视频的成本高达0.5至2.5美元（比可灵等国产模型高出80%左右），随着用户生成视频数量的爆发式增长，推理侧的多模态算力需求正呈指数级增长，即便财大气粗如Sam Altman也难以承受如此天文数字般的运营开销

1.2 OpenAI DevDay上成本宣言

仅仅三天之后在OpenAI DevDay上，Sam Altman便向全球开发者许下了一个震撼性的承诺：GPT-5 Turbo模型的推理成本将降低90%，且承诺未来每18个月下一代顶级模型的单位算力成本将下降一个数量级。

1.3 携手博通10GW自研芯片下场“芯”战

如何兑现承诺？答案在一周后揭晓——10月13日，OpenAI与博通达成战略合作共同开发一个10GW规模的定制人工智能加速器。

OpenAI将主导芯片与系统设计，将其前沿模型开发经验直接融入硬件，以期解锁新的智能水平。而博通则提供加速器及完整的以太网解决方案，并负责从2026年下半年开始的部署工作，计划于2029年底前完成全部建设

这不仅仅是是将DevDay上的成本革命宣言付诸实践，也标志着OpenAI正式迈向自研芯片之路加入巨头之间的“芯”战

图 1: OpenAI 与博通战略合作

1.4 “星际之门”之万亿美元的“铁索连环”

为应对算力危机OpenAI祭出杀手锏即全球范围内投资1万亿美元通过“铁索连环”构筑算力算力联盟，为Sora 2等下一代应用提供超过30GW的超大规模AI算力引擎。

（1）硬件端： 26GW=英伟达（≥10GW GPU）+AMD（6GW GPU）+博通（10GW ASIC）+ 配套HBM/DDRM（联合三星+SK海力士）

（2）云服务端：与甲骨文（3000亿美元）和CoreWeave等深度绑定。

1.5 为什么AI巨头必须自研芯片？

在通往AGI的征途中算力即权力，而自研芯片就是铸造权力的基石。Google和Meta的自研芯片之路与前序文章分享过的Sam Altman构建“星际之门”万亿朋友圈都是为了同一个终极目标：构建一个自主、高效、安全且成本可控的超级AI算力集群底座。

2

Google/Meta/特斯拉纷纷下场“芯”战

2.1 Google TPU & Meta MTIA 成功的实践

Google的Tensor Processing Unit (TPU) 的成功案例：从驱动Google搜索、YouTube推荐等核心服务的海量推理，到赋能Gemini、PaLM等旗舰模型的尖端训练，TPU已成为Google不可或缺的算力底座，据说TPUv4可以降低20-30%训练成本。

Meta MTIA (Meta Training and Inference Accelerator) 的革命性实践：专门服务于Facebook和Instagram信息流推荐算法量身定制的第二代MTIA，每年为Meta节省数十亿美元的开支。

2.2 特斯拉Dojo沉没之前车之鉴

2019年4月22日，在特斯拉自动驾驶日上马斯克首次提及Dojo——一台用于训练其全自动驾驶（FSD）神经网络和自动驾驶汽车设计AI超级计算机，承载着马斯克跻身全球前五大芯片供应商的野心。

Dojo的第一任负责人是曾在AMD任CPU设计工程主任达14年的加内什·文卡塔拉马南（Ganesh Venkataramanan），明星团队成员均为在苹果、AMD等巨头公司混迹多年的老将.

之后主导过苹果A5-A9芯片的彼得·班农（Peter Bannon）接过了Dojo项目领导权，也无法在解决全栈自研基调下自研纯血版Dojo系列芯片大规模商业化量产的问题，尤其是软硬协同、全栈自研芯片的兼容性、良品率等问题迟迟无法解决。

即便马斯克有能力以214天建成20万卡xAI Colossus的速度，Dojo的命运也充满不确定性，花费六年烧了特斯拉数十亿美元的Dojo最终还是沉没在了冰冷的航线上。

Dojo用自己的沉没再次揭示那个真理：技术发展的理想主义即便再美好，脱离商业现实，终将成为昂贵的纪念碑。

图 2: 特斯拉首款全栈自研芯片（D1）

2.3 OpenAI & Broadcom强强联合

正如博通CEO Hock Tan所言针对不同AI任务优化芯片是关键。例如用于训练的芯片可能需要像英伟达下一代Vera Rubin平台一样更强的计算能力（以 TFLOPs 衡量）和网络带宽，而用于推理的芯片则更侧重于内存（memory）和访问速度。这种定制化能力是通用芯片难以企及的，况且定制化ASIC正日益成为实现AI普惠、引爆商业应用的关键“成本杀手”。

OpenAI作为一家软件与模型公司选择与博通“强强联合、合作共赢”的模式，巧妙的规避了3.2 章节提及的特斯拉Dojo项目风险。

在双方的合作过程中OpenAI凭借其对Transformer模型和自研Triton编译器的深刻理解充当“AI产品经理”（精准提出芯片优化需求），博通则坐拥世界顶级的ASIC设计、网络和封装技术充当“工程总包”（负责将需求转化为物理实现）。

图3: 博通高管与OpenAI高管讨论

正是这种战略布局与技术协同给了Sam Altman十足底气——实现在OpenAI DevDay上宣布推理成本降低90%目标承诺，感觉Sam Altman是想把数据流每一个端到端的环节tocken消耗和成本都可视化、牢牢掌控在手中。

值得一提的是OpenAI定制芯片计划的负责人Richard Ho还是前谷歌TPU资深工程师，此举意味着不仅能带来谷歌的成功经验，更能够凭借博通的世界级工程实力加速OpenAI首款定制芯片的问世。

图4：主持人Andrew Maine、博通半导体主管Charlie Kawwas博士、博通CEO Hock Tan、OpenAI CEO Sam Altman、OpenAI总裁Greg Brockman。

3

OpenAI双10GW的“组合拳”

3.1 训练 (0 → 1的创造) vs 推理 (1 → N的普及)

英伟达10GW GPU集群(创新引擎): 在后摩尔定律时代HBM和先进封装的供给能力已成为核心瓶颈，而下一代Vera Rubin平台又高度依赖于 HBM和先进封装， 合约的签订OpenAI不仅能够提前锁定英伟达的GPU产能和供给优先级，更借此确保了OpenAI的模型算法跃迁与英伟达的GPU硬件演进形成精准有效的“共振效应”，即英伟达的下一代GPU硬件迭代更新OpenAI总能够捷足先登、精确卡位。这个庞大的Vera Rubin集群将成为OpenAI探索未知领域、训练GPT-6等下一代更强大多模态模型不可或缺的“研发实验室”和“创新引擎”。

博通10GW的定制ASIC集群(普惠引擎): 像是一条为特定任务（例如运行GPT-5 Turbo模型）建立的、效率极高的“自动化生产线”，专注于以极致的成本效益执行大规模推理任务，专为Transformer架构优化的推理芯片能够将资源集中于处理注意力机制和KV Cache等核心环节，是实现AI普惠、引爆商业应用的“成本杀手”，也是Sam Altman在OpenAI DevDay上宣布推理成本降低90%的技术底气。

用于训练的芯片可能需要像英伟达下一代Vera Rubin平台一样更强的计算能力（以 TFLOPs 衡量）和网络带宽，而用于推理的芯片则更侧重于内存（memory）和访问速度，这个Sam Altman在本文前序章节关于Sora 2“甜蜜烦恼”中深有体会，迫切需要专为Transformer架构优化设计又能融入自家Triton编译器的高度定制化推理芯片集中处理注意力机制和KV Cache等核心环节，是实现AI普惠、引爆下一个Sora 2的“成本杀手”。

3.2 拥抱AMD（算力B计划）与携手博通 (端网融合方案):

OpenAI与AMD的合作和与博通的合作完全不冲突，而是多元化供应战略的完美互补：

拥抱AMD（算力B计划）： 为OpenAI提供了除英伟达之外的第二个高性能GPU选择，主要解决了训练算力的供应安全问题，是GPU层面的“B计划”。

携手博通 (端网融合方案): 提供专为推理优化的ASIC芯片专门为了从根本上降低运营成本和推理成本，同时博通还能提供“Scale-up+Scale-out+Scale-across”的端到端网络解决方案。

3.3 博通的全链路赋能

正如博通CEO Hock Tan所言：“网络就是算力 (The network is the computer)”。随着AI计算集群的规模越来越大（例如超过10万个节点），数据传输的效率和延迟成为最大的瓶颈。

博通凭借其领先的Tomahawk（机架内/间扩展）和Jericho（跨数据中心扩展）系列以太网交换机和路由器芯片，正在成为解决AI集群“Scale-up+Scale-out+ Scale-across”三大扩展难题的关键供应商。

与此同时，博通还是Ultra Accelerator Link(UALink)和Ultra Ethernet Consortium(UEC) 的“产业联盟模式”的核心推动者，选择博通意味着OpenAI押注于一个更开放、更多元化的生态，加速从生成式 AI（Gen AI）到通用人工智能（AGI）的进程。

4

结论

如果说阿里千问等致力于构建开放生态的平台是AI时代的“安卓”，那么依托 8 亿用户基础OpenAI 正打造类苹果 App Store 的生态体系。