4月19日，美国科技媒体 The Information 爆料，ChatGPT背后的大股东微软正在研发自己的芯片“雅典娜”（Athena）。
此次微软公司自研芯片主要应用于 ChatGPT 背后的生成式 AI 技术，用途为训练大语言模型（LLM）和 AI 推理（inference）。
微软早在2019年就已开始著手研发这款芯片。芯片已经提供给了小部分微软的员工，以及ChatGPT开发商 OpenAI 的员工，他们正在测试并使用这些芯片。
资本大佬和初创新星的蜜恋
要说AI 圈里的当红炸子鸡，定是拥有 ChatGPT 技术的OpenAI 莫属，微软则是OpenAI背后的资本方。
早在两方展开密切合作之前，双方都在生存困境中挣扎许久——微软虽为资方巨擘，但在科技圈仍然相当隐忍，在云计算和人工智能领域总有亚马逊和谷歌压制一头。而OpenAI 最初是一家50人的非盈利性质的初创小公司，面临着所有的AI创企一样的问题：AI开发成本翻番、“要理想还是面包”、副总裁带队离职团队溃不成军等问题，时任OpenAI首席技术官的布罗克曼担心被谷歌旗下的DeepMind等对手甩在身后．．．．．．
从当前审视这个长达五年的ChatGPT产品研发落地的故事，双方陷入“蜜恋”情理之中，同一个赛道，相同的目标和突破诉求，适配的合作者相见恨晚，一拍即合。
2020年7月，微软向初创公司OpenAI投资10亿美元，自此开始了和OpenAI 的“热恋式合作”。2021年微软再次投资20亿，微软的Azure OpenAI开始集成用户可直接通过相关API进行调用的GPT－3模型，自此GPT技术开始初步商业化。2023年1月24日，微软追加投资100亿，与OpenAI再次扩大合作关系。此轮投资后，微软获得了 OpenAI 75％ 的利润分红权直到收回投资，之后微软将拥有 OpenAI 49％分红权。
微软和OpenAI之间的关系逐渐变得更加深入和复杂，他们的财务和技术命运纠缠在一起。他们有共同的目标期许和行业共识，其中一点是明确的：现在还处于早期阶段。
OpenAI持续烧钱，微软探索自研路径
一项新技术航程的初期，借船出海也许能走的更快一些，为了训练ChatGPT，微软下了足够多的血本，但时间一久问题便逐渐暴露。目前，让这对“热恋期情侣”焦灼的是——外购芯片太过烧钱，并非长久之宜。
在用户使用ChatGPT时，这一软件需要识别人类发出的指令，并模仿人类回答相应的问题，这一过程需要处理大量的数据，对芯片算力的要求极高。
微软目前使用的 AI 芯片是英伟达芯片，ChatGPT消耗的总算力约为3640PF－days，假如每秒计算一千万亿次，需要计算3640天。微软将3万多个英伟达A100芯片连起来为OpenAI打造超级算力。这项贴心的举动已耗费微软数亿美元，按照趋势，日后花费只会更甚，还经常会被芯片供应商掣肘。
此举不仅为了减少自身对英伟达 GPU 的依赖，还是应对同行压力的必由之举，随着生成式AI大爆发，包括亚马逊和谷歌等科技巨头都已推出自研AI芯片。
只不过，微软早在5年前就秘密行动了。自研芯片内部代号「雅典娜」（Athena），300人共同研发，并已由微软内部机器学习相关员工和 OpenAI 开发者组成的小团队进行测试。
微软希望 AI 芯片 Athena 的性能优于从其他供应商处购买的芯片，从而节省其在昂贵的AI业务上的时间和成本。
微软的 AI 芯片将用于训练大语言模型并支持推理，这些都是生成式 AI 需要的。我们以 ChatGPT 为例，它需要利用 AI 处理大量数据、识别模式并创建模仿人类对话的全新输出。预计微软将在明年之前将「雅典娜」提供给内部和OpenAI使用。
英伟达，AI芯片的统治者
全球GPU市场中，基本被Nvidia、Intel和AMD三家垄断。目前主导 AI 芯片的是英伟达公司，在机器学习领域，NVIDIA GPU市占率高达95％以上，至今没有对手可以匹敌。
2019 年，前四大云供应商 AWS、谷歌、阿里巴巴和 Azure 中 97．4％ 的 AI 加速器实例（用于提高处理速度的硬件）部署了英伟达 GPU。几乎所有 AI 里程碑都发生在英伟达硬件上。
纵观 AI 芯片市场，Nvidia H100 是训练机器学习系统的最流行 GPU 之一，在市场日益短缺的情况下，它在 eBay 等经销商那里的售价高达 40，000 美元。高涨的需求，加上产能的限制，英伟达芯片不仅时常短缺而且价格昂贵，给微软、谷歌这类急于扩充算力的公司形成了较大的压力。越来越多的企业开始使用人工智能来理解他们收集的海量数据，而各国政府则在向深度学习研究领域投入资金以保持领先地位。
显然，整个AI芯片市场都需要更多、更好的人工智能芯片。
挑战者正在试图赶上英伟达在 AI 芯片市场上的统治者地位。2015年，谷歌开始制造自己的芯片；2016年，亚马逊收购 Annapurna Labs 后便将 Alexa 的大脑转移到自己的 Inferentia 芯片上；2019 年，英特尔为其 Xeon 数据中心 CPU 添加了 AI 加速模块。百度拥有昆仑；高通拥有 Cloud AI 100；IBM 正在致力研发一种节能设计；AMD 收购了 Xilinx 用于 AI 数据中心产品等等，越来越多的云服务巨头纷纷自研AI芯片。
有行业分析师评论道，对普通的云计算公司来说，他们的最佳方案是从英伟达那里购买。而对于谷歌、亚马逊这样的巨头来说，自研芯片才是长久之道。
