机器的功率报告。
编辑：sia
并不是业内的每个人都购买这个疯狂数字的账户。山姆·奥特曼（Sam Altman）最近成为头条新闻，其背后的原因有些夸张。
这位从未设计过芯片的聪明人认为半导体行业需要他，并正在推动一个旨在提高全球芯片制造能力的项目。 为此，他需要筹集 5 万亿至 7 万亿美元，并且正在与包括阿联酋在内的不同投资者进行谈判**。
OpenAI发言人表示：“OpenAI就增加全球基础设施和芯片、能源和数据中心链进行了富有成效的讨论，这对人工智能和相关行业至关重要。 鉴于国家优先事项的重要性，我们将继续向美国**通报情况，并期待稍后分享更多细节。 ”
根据该报告，阿尔特曼的天价数字可能不仅包括晶圆厂本身的建设，还包括围绕晶圆厂建设全新的基础设施，包括发电厂等。
考虑到阿尔特曼是芯片行业的新人，大家也好奇他从**中计算出的数字。 5万亿美元到7万亿美元有多夸张？
美国的GDP约为23万亿美元，相当于美国GDP的三分之一。 就芯片行业而言，这个数字大约是英伟达目前市值的4倍，远远超过了全球半导体行业的估值，去年全球半导体行业的销售额为5270亿美元，预计到2030年将达到1万亿美元大关。
近日，硅谷芯片大神、“硅仙子”、Tenstorrent CTO 吉姆·凯勒 （Jim Keller） 也对 Altman 在 X 上的惊人野心发表了自己的“看法”，强调同样的工作，他可以用不到一万亿美元完成。
Okami强调“减少”1万亿美元。
早些时候，当阿尔特曼问为什么不把募集资金从7万亿美元提高到8万亿美元时，“硅仙”回答说：“我可以用不到1万亿美元来做。
阿尔特曼的芯片计划本质上是为了解决未来三到五年的芯片供应短缺问题，全面拓展半导体**链，但也可能导致晶圆代工产能过剩、芯片贬值等问题。 吉姆·凯勒（Jim Keller）认为，重点不在于制造更多的芯片，而在于处理器的复杂性和简化硬件链（以降低AI服务器和其他设备的成本）。 “从消除利润堆栈的地方开始，”凯勒写道。 在将产品交付给终端用户的过程中，为了获得更多的毛利，**链中的参与者都在“加重层”，在凯勒看来，可以去掉两层或三层的“堆叠环节”。 接下来，为了让芯片工作得更快，就需要提高软硬件资源的匹配度。 当然，这更难做到，但并非不可能。 
他认为，通过对**链的一些改进和软硬件资源的完善，更有利于解决芯片问题。 当然，这也是一项非常艰巨的任务。
事实上，Jim Keller 的 TensTorrent 是一个“问题解决者”。 他们有一个非常雄心勃勃的路线图，以快速改进现有的基于人工智能的芯片架构，包括基于RISC-V的高性能CPU小芯片和先进的人工智能加速器小芯片，为机器学习提供强大的解决方案。
其中，CPU 是 TensTorrent 的主要重头戏——在 AI 计算中，CPU 扮演着非常非常重要的角色，尤其是在训练方面。 CPU在数据中心进行AI训练时消耗了超过50%的时间和功耗，包括CPU对数据的预处理和后处理。
吉姆·凯勒（Jim Keller）也是该公司的天使投资人，他表示，Tenstorrent的设计是“最有前途的架构”。
对 AI 性能的需求正在快速增长，只有时间才能证明 Tenstorrent 和其他公司是否会在可预见的未来赶上它。
公司雄心勃勃的路线图。
阿尔特曼的想法并没有得到业内人士的好评，许多人认为他的想法不可行。 就在最近，英伟达首席执行官黄仁勋表示，人工智能驱动的数据中心市场将在未来五年内扩大到2万亿美元，并强调增加容量只是一个方面，架构变革也很重要。
为AI芯片构建替代半导体链并不需要太多投资。 相反，该行业需要继续创新 GPU 架构以提高性能——事实上，黄仁勋声称 NVIDIA 在过去十年中将 AI 性能提高了 100 万倍。
芯片架构的性能会同时提高，你不能假设会购买更多的电脑。 “你还必须假设计算会变得更快，所以总的来说，你不需要那么多芯片，”黄仁勋说。 ”
NVIDIA GPU 在 AI 和高性能计算 （HPC） 性能方面发展非常迅速。 2018 年，NVIDIA V100 数据中心 GPU 的半精度计算性能仅为 125 TFLOPS，但 H200 提供了 1,979 FP16 TFLOPS。 未来，计算机也将能够以更快的速度完成任务。
人工智能芯片的短缺最终将得到解决，这在一定程度上要归功于架构创新，这些创新已经为希望在本地使用人工智能的公司消除了在数据中心上花费数十亿美元而花费的数十亿美元。
参考链接。