OpenAI抢GPU“煎熬”？微软GB300超算救场，数天训万亿LLM

排行榜 2025年10月13日 01:51 1 admin

最近OpenAI内部有点“热闹”，不是要发布新模型，而是各个团队为了抢GPU吵得不可开交。

总裁GregBrockman之前在“MatthewBerman”播客里吐槽，说管GPU分配这事儿，简直让他揪心又累人。

老实讲，OpenAI今年也没少砸钱，一共投了70亿在算力上。

本来以为这笔钱能撑一阵子，后来发现大模型训练太“吃”算力，50亿都砸进研发训练里了，剩下20亿只用在推理计算上。

这么看，LLM训练就像个无底洞，也难怪他们一边内部抢资源，一边忙着找外面的合作方。

员工对GPU的在意程度，说出来可能有人不信，谁都想把算力拿到自己项目里，毕竟有了GPU，才能把那些“绝妙的点子”落地。

OpenAI也没办法，只能把算力分成“研究”和“应用产品”两块，等一个项目快结束了，首席产品官KevinWeil再把硬件资源调给新项目。

这套机制看着清楚，但架不住需求多，有时候真的是拆东墙补西。

微软送“算力巨兽”：4600多块GPU，数天训完万亿模型

就在OpenAI为GPU头疼的时候，老搭档微软出手了，纳德拉直接官宣，给OpenAI送了台全球独一份的超算，里面装了4600多块GB300NVL72，未来还打算加到十万块GPU。

这超算可不是随便攒的，它是在之前GB200v6虚拟机的基础上升级的，而GB200v6早就在OpenAI里用过，效果还不错。

这次的GB300v6更狠，每个机架里塞了18个虚拟机，一共72个GPU。

通过专门的NVLink和NVSwitch，机架里的数据传输速率能到130TB/s，还带了37TB的高速内存，以前的内存瓶颈直接没了。

像那些长上下文的AI任务，现在推理速度快了不少，AI智能体响应也更及时。

网络方面也下了血本，用了最快的Quantum-X800Gbp/sInfiniBand，搭了个“全连接胖树”架构，能跨机架连数万个GPU。

散热也考虑到了，搞了独立的“散热器单元”，还配了设施级冷却方案，既保证机器稳定，又不浪费水，这点比不少老超算强。

更重要的是软件层面，微软把存储、编排、调度的软件栈全重构了，要是软件跟不上，硬件再强也是白搭，现在这套优化后的软件，能把超算的性能全发挥出来。

英伟达说，有了这台超算，OpenAI训万亿参数的模型，不用等好几周，几天就能搞定，这速度，简直是给OpenAI插上了翅膀。

微软这波操作，其实也把AI圈的“算力军备赛”推得更激烈了，不止OpenAI，其他巨头早就动起来了。

Meta的扎克伯格之前就说，要把“人均算力”当成核心优势；谷歌搞了TPUv5e集群，主打性价比；亚马逊AWS也出了Trainium芯片，专门优化推理成本。

OpenAI自己也没闲着，奥特曼上个月说要搞“算力密集型服务”。

本来以为他们是想省点算力，后来发现其实是想把更多算力砸进新想法里，毕竟GPU数量直接决定AI能做多少事，手里的算力多了，才能试更多新方向。

不过说实话，现在的AI竞争早就不是只比算法了，谁手里有更多算力，谁就能先把模型训出来，抢占先机。

但也不能只堆算力不搞创新，要是光拼硬件不琢磨新玩法，早晚得被别人超过。

像未来的多模态AI、AI智能体，肯定需要更多算力，但也得有匹配的技术创新，不然再多GPU也没用。

OpenAI的算力困境不是个例，是整个AI圈都要面对的问题，微软的超算帮它解了燃眉之急，但后续还得靠自己平衡算力和创新。

毕竟在AI这条路上，光有算力不够，能把算力用在刀刃上，想出更多实用的AI玩法，才是真本事。

未来谁能在算力储备和技术创新之间找到平衡点，谁就能在AI竞赛里走得更远。

发表评论