# OpenAI планирует приобрести специальные чипы искусственного интеллекта Google для диверсификации мультигиперскейлерных вычислений

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/ru/article/openai-plans-to-purchase-google-custom-ai-chips-for-compute-d-2026-10-29-morn-ru
Section: AI (https://technewslist.com/ru/ai)
Author: TechNewsList
Language: ru
Published: 2026-10-29T06:17:54.28+00:00
Updated: 2026-10-29T06:17:54.283545+00:00

> OpenAI переходит к непосредственному приобретению специального Tensor Processing Units от Google, чтобы диверсифицировать передовые тренировочные кластеры и уменьшить исключительную зависимость от кремния Nvidia.

## TL;DR
- OpenAI планирует напрямую приобрести специальный Tensor Processing Units от Google, чтобы расширить свою инфраструктуру обучения.
- Эта инициатива знаменует собой беспрецедентное коммерческое соглашение между прямыми конкурентами модели фундамента.
- OpenAI открыла специализированные инженерные позиции для оптимизации своей архитектуры трансформаторов для кластеров TPU.

## Key points
- OpenAI диверсифицирует свой парк ускорителей и отказывается от исключительной зависимости от графических процессоров Nvidia.
- Специальная микросхема Google Cloud обеспечивает альтернативный путь масштабирования с использованием запатентованных оптических соединений с высокой пропускной способностью.
- Партнерство отражает растущее давление в отрасли, связанное с доступностью электроэнергии в несколько гигаватт и сроками поставки ускорителей.
- Инженеры OpenAI разрабатывают кросс-платформенные мосты компиляторов для эффективного выполнения моделей PyTorch на оборудовании Google.
- Более широкий полупроводниковый ландшафт смещается в сторону гетерогенных ускорительных сред от разных производителей в гиперскейлерах.

## Что произошло

В рамках стратегического сдвига, который переопределяет конкурентные контуры индустрии искусственного интеллекта, OpenAI активно готовится напрямую закупить специальные Tensor Processing Units у Google Cloud. Этот шаг, о котором сообщалось по корпоративным полупроводниковым каналам, сигнализирует о том, что создатель ChatGPT активно работает над диверсификацией своего огромного вычислительного присутствия за пределами исключительной эксплуатационной зависимости от оборудования Nvidia.

В то время как OpenAI ранее арендовал вычислительные мощности у сторонних облачных провайдеров, которые размещают специальные микросхемы Google, новая система закупок предполагает прямые закупки инфраструктуры TPU. Эта инициатива представляет собой беспрецедентное коммерческое сотрудничество между двумя основными конкурентами, чьи флагманские передовые модели конкурируют лицом к лицу на потребительских, корпоративных рынках и рынках разработчиков по всему миру.

Конкретные доказательства перехода появились в инициативах OpenAI по подбору инженеров. Недавно компания объявила о вакансиях на специализированные технические вакансии, ищущие инженеров-компиляторов и архитекторов систем машинного обучения, которым поручено адаптировать архитектуру ее собственной модели для работы на собственном оборудовании Google TPU. Эти специалисты сосредоточатся на отображении крупномасштабных преобразовательных головок, механизмов маршрутизации, состоящих из нескольких специалистов, и распределенного тензорного параллелизма непосредственно на собственные матричные исполнительные блоки Google.

## Почему это важно

На протяжении более трех лет быстрое масштабирование генеративного искусственного интеллекта сдерживалось серьезными ограничениями поставок флагманских графических процессоров Nvidia. По мере расширения масштабов параметров и мультимодальной сложности базовых моделей капитальные затраты, необходимые для обучения и обслуживания пограничных систем, выросли до десятков миллиардов долларов. Опора на одного поставщика оборудования привела к тому, что передовые лаборатории искусственного интеллекта стали уязвимы к увеличению сроков поставки, росту рентабельности компонентов и острой необходимости распределения ресурсов в цепочке поставок.

Включив специальные TPU Google в свою дорожную карту инфраструктуры, OpenAI создает жизненно важные рычаги воздействия и операционную избыточность. Специальный чип Google представляет собой одну из наиболее зрелых и проверенных альтернатив графическим процессорам Nvidia в секторе корпоративных вычислений, уже более десяти лет обеспечивающих внутренние рабочие нагрузки глубокого обучения Google. Обеспечение прямого доступа к этим чипам позволяет OpenAI изолировать сроки обучения от потенциальных сбоев в производстве.

Более того, закупки показывают, что базовые требования к вычислительным ресурсам стали настолько огромными, что традиционное коммерческое соперничество должно уступить место прагматичным инфраструктурным альянсам. Основной спонсор OpenAI, компания Microsoft, одновременно разрабатывает собственные ускорители Maia и расширяет кластеры Azure. Использование TPU Google создает стратегию мультигиперскейлерных вычислений, способную поддерживать разработку моделей независимо от ограничений отдельной платформы.

## Технические детали

![Серверные стойки высокой плотности внутри суперкомпьютерного комплекса, работающего с параллельными кластерными фабриками.](https://technewslist.com/storage/v1/object/public/media/api/1793253180694-mp59ar-openai-plans-to-purchase-google-custom-ai-chips-for-compute-d-2026-10-29-morning-inside-1-dcfffe8d2a.webp)

На архитектурном уровне адаптация стека моделей OpenAI к Google TPU требует значительных инвестиций в разработку программного обеспечения. Основные конвейеры обучения OpenAI сильно оптимизированы для собственной экосистемы программирования CUDA Nvidia и специализированных коммуникационных библиотек, таких как NCCL. Выполнение этих рабочих нагрузок на TPU Google требует компиляции моделей с помощью OpenXLA, компилятора для конкретной предметной области, который преобразует операции платформы высокого уровня в оптимизированный машинный код для блоков матричного умножения.

Последнее поколение Tensor Processing Units от Google оснащено запатентованными коммутаторами оптических схем, которые динамически реконфигурируют межчиповую топологию, не пересекая электрические пакетные маршрутизаторы. Эта оптическая структура позволяет тысячам микросхем взаимодействовать с детерминированной сверхнизкой задержкой, сводя к минимуму накладные расходы на синхронизацию, которые часто ограничивают распределенное обучение в огромных кластерах.

Однако межархитектурная миграция создает тонкие проблемы с числовой точностью. В то время как ускорители Nvidia в первую очередь ориентированы на 8-битные и 16-битные форматы с плавающей запятой, такие как FP8 и BF16, со специализированными тензорными ядрами, TPU используют отдельные потоки данных систолического массива, которые обрабатывают матричные операции в синхронизированных циклах. Системные группы OpenAI должны убедиться, что квантование веса, накопление градиента и масштабирование смешанной точности ведут себя одинаково на обеих платформах, чтобы предотвратить расхождение потерь при обучении во время длительных базовых запусков.

## Влияние на рынок и отрасль

![Модульная аппаратная стойка для суперкомпьютеров с высокопроизводительными оптическими сетевыми соединениями.](https://technewslist.com/storage/v1/object/public/media/api/1793253181774-cqk50t-openai-plans-to-purchase-google-custom-ai-chips-for-compute-d-2026-10-29-morning-inside-2-2dcfceb844.webp)

Волновой эффект от закупок TPU компанией OpenAI будет ощущаться во всей глобальной полупроводниковой экосистеме. Хотя Nvidia сохраняет подавляющую долю рынка ускорителей центров обработки данных, публичная проверка специального кремния Google ведущим разработчиком генеративного искусственного интеллекта в отрасли может побудить другие передовые стартапы, такие как Anthropic и xAI, ускорить развертывание своего собственного оборудования от различных поставщиков.

Для Google Cloud поставка специализированного чипа своему самому яростному конкуренту в области программного обеспечения представляет собой прибыльную коммерческую веху. Он превращает внутреннее подразделение Google по разработке микросхем во внешний источник дохода, подтверждая миллиарды долларов исторических расходов на исследования и разработки. Стратегия позиционирует Google Cloud как незаменимую утилиту для производства кремния и инфраструктуры для более широкой экономики искусственного интеллекта.

Одновременно разработка ускоряет внедрение платформ машинного обучения, не зависящих от аппаратного обеспечения. Поскольку передовые лаборатории демонстрируют, что самые современные модели могут быть взаимозаменяемы для обучения на различных кремниевых серверах, разработчики программного обеспечения будут сталкиваться с растущим давлением создавать приложения, используя уровни абстракции с открытым исходным кодом, а не проприетарные среды выполнения поставщиков. Эта постепенная эрозия эксклюзивного рва CUDA представляет собой наиболее значительный долгосрочный структурный сдвиг в высокопроизводительных вычислениях.

## За чем следить дальше

Отраслевые обозреватели будут внимательно следить за предстоящими анонсами базовой модели OpenAI на предмет технической информации, касающейся конкретных аппаратных кластеров, используемых на этапах предварительного обучения и обучения с подкреплением. Контрольные показатели, детализирующие энергоэффективность, пропускную способность на доллар и стабильность обучения при развертывании TPU, предоставят важные эмпирические данные для планировщиков корпоративной инфраструктуры.

В сфере регулирования антимонопольные органы Северной Америки и Европейского Союза, вероятно, будут внимательно изучать глубокие коммерческие запутанности, связывающие OpenAI, Microsoft и Google Cloud. Регуляторы будут проверять, способствуют ли соглашения о перекрестных гиперскейлерах по кремнию здоровой рыночной конкуренции или непреднамеренно концентрируют критически важные вычислительные ресурсы искусственного интеллекта среди горстки технологических конгломератов.

Наконец, участники рынка будут наблюдать за конкурентной реакцией Nvidia, поскольку она внедряет архитектуры следующего поколения и углубляет экосистемы проприетарного программного обеспечения для поддержания лояльности разработчиков. Поскольку многочиповые вычисления становятся стандартной практикой в ​​организациях, занимающихся искусственным интеллектом первого уровня, битва за превосходство ускорителей будет все больше зависеть от эффективности компиляции программного обеспечения, управления питанием в масштабе стойки и реальной совокупной стоимости владения.

## Источники

- Редакционная статья о технологии расшифровки: https://decrypt.co/382090/openai-plans-buy-google-ai-chips-looks-beyond-nvidia.
– Технологические исследования Google: https://blog.google/technology/ai/google-gemini-next-generation-model-february-2024/.
- Тесты машинного обучения ArXiv: https://arxiv.org/abs/2402.15391

Mentions: OpenAI, Google Cloud, Tensor Processing Units, Nvidia, Compute Infrastructure

## Sources
- [Редакционная статья о технологии расшифровки](https://decrypt.co/382090/openai-plans-buy-google-ai-chips-looks-beyond-nvidia)
- [Технологические исследования Google](https://blog.google/technology/ai/google-gemini-next-generation-model-february-2024/)
- [Тесты машинного обучения ArXiv](https://arxiv.org/abs/2402.15391)