用 Astra+Codex 幹掉 CUDA，奧特曼9個月AI造芯反殺英偉達 GB300

OpenAI 執行長奧特曼（Sam Altman）近來主導的一項內部計畫，正悄悄改寫半導體產業的遊戲規則。據了解，OpenAI 團隊僅花費約九個月的時間，就完成了一款以人工智慧為核心設計邏輯的客製化晶片，並計畫透過自家開發的 Astra 與 Codex 兩套系統，直接挑戰 NVIDIA 長期以來靠 CUDA 軟體生態建立的護城河。這款晶片被外界視為劍指 NVIDIA 下一代旗艦產品 GB300 的戰略武器，也讓「AI 反殺 AI 晶片霸主」的戲碼正式登上檯面。過去幾年，NVIDIA 之所以能在 AI 晶片市場立於不敗之地，除了硬體效能持續領先之外，更關鍵的優勢在於 CUDA 軟體平台。

CUDA 讓開發者能夠在 NVIDIA 顯示卡上高效運行深度學習模型，累積數十年的程式庫與開發者社群，形成難以撼動的生態壁壘。任何試圖挑戰 NVIDIA 的晶片新創，往往不是輸在硬體規格，而是敗在軟體生態的兼容性與成熟度。然而，OpenAI 這次的策略顯然不同，他們選擇用 AI 的方式來破解 AI 時代的算力壟斷。據內部消息指出，OpenAI 的晶片設計流程大量仰賴自家的大型語言模型與程式生成工具。其中，Astra 系統負責整體架構的探索與最佳化，能夠在數小時內模擬數千種電路布局方案，找出傳統工程師可能需要數週才能發現的效能瓶頸。

而 Codex 則扮演軟體層面的關鍵角色，它被訓練來理解 CUDA 程式碼的語法與邏輯，並自動將這些程式轉譯為 OpenAI 自有晶片所能支援的指令集。換句話說，OpenAI 的目標不是重新發明一個比 CUDA 更好的開發平台，而是讓現有的 CUDA 程式碼能夠無痛遷移到自家硬體上，直接瓦解 NVIDIA 的軟體優勢。這項策略的巧妙之處在於，它避開了與 NVIDIA 在硬體規格上的正面對決。GB300 作為 NVIDIA 下一代資料中心 GPU，預計將在記憶體頻寬與運算密度上再度大幅提升。

但 OpenAI 的晶片計畫並不追求在所有指標上超越 GB300，而是鎖定 AI 推論與訓練工作負載中最耗費資源的環節進行特化設計。透過 Astra 的 AI 輔助最佳化，這款晶片在能效比與單位成本效能上據稱已達到令人矚目的水準，尤其適合大規模部署的雲端資料中心。奧特曼本人曾在多個公開場合表達對 NVIDIA 依賴程度的擔憂。他認為，AI 的未來不應該建立在單一供應商的硬體與軟體綁定之上。這款由 AI 設計的晶片，正是 OpenAI 試圖掌握自身命運的具體行動。據了解，OpenAI 已經與多家半導體代工廠展開接觸，並計畫在未來一年內進行小規模試產。

如果一切順利，這款晶片有望在明年下半年開始逐步取代部分 NVIDIA 加速器，用於 OpenAI 自家的模型訓練與推論服務。值得注意的是，這項計畫的執行速度打破了業界常規。傳統上，一款高階晶片從架構定義到量產，往往需要兩到三年的時間。OpenAI 之所以能在九個月內完成設計，除了 AI 工具的輔助之外，也與其團隊採取的敏捷開發模式有關。他們沒有追求一次性打造功能完整的通用型處理器，而是先鎖定特定 AI 模型架構進行深度最佳化，再逐步擴展支援範圍。這種「軟體定義晶片」的開發哲學，正是 Astra 與 Codex 協同工作的核心價值。業界分析師認為，OpenAI 此舉的象徵意義遠大於實際效能表現。

即使這款晶片最終未能撼動 NVIDIA 的市場主導地位，它已經證明了一件事：AI 不僅是算力的消費者，也可以成為算力的生產者。當 AI 系統能夠自主設計更高效的晶片，而這些晶片又反過來加速 AI 的進化，這將形成一個自我強化的正向循環。NVIDIA 的 CUDA 生態固然強大，但如果未來的晶片設計流程全面 AI 化，傳統的軟體護城河可能不再像過去那樣堅不可摧。當然，挑戰依然嚴峻。OpenAI 的晶片要真正量產並獲得市場認可，還需要克服製程良率、供應鏈管理、驅動程式穩定性等一系列難題。

此外，NVIDIA 也不會坐以待斃，據傳該公司已經在內部啟動代號為「CUDA Next」的計畫，試圖將 CUDA 生態進一步延伸至 AI 輔助設計領域，以應對來自 OpenAI 的潛在威脅。一場圍繞 AI 晶片設計權與軟體生態主導權的新戰爭，才剛剛拉開序幕。