OpenAI gebruikt dit jaar meer dan 1āÆmiljoen
GPUās, kondigde CEO Sam Altman recent aan. De inzet van deze enorme rekenkracht ondersteunt niet alleen de groei van modellen zoals GPTā4.5, maar versnelt ook innovatie binnen de hele AI-sector.
Al bij de introductie van GPTā4.5 meldde Altman dat OpenAI āout of GPUsā was door de ongekende vraag.
Waarom gebruikt OpenAI zo veel GPUās?
AI-bedrijven zoals OpenAI zetten GPUās in voor drie kerndoelen:
- Modeltraining op schaal:
Grote taalmodellen zoals GPTā4.5 vergen tientallen tot honderdduizenden GPUās voor training. Hoe meer GPUās beschikbaar zijn, hoe sneller en nauwkeuriger een model kan worden getraind.
- Realtime toepassingen (inference):
Toepassingen zoals ChatGPT en AI-beeldgeneratie draaien continu op GPUās. Gebruikers verwachten directe antwoorden of beelden, wat extreem veel rekenkracht vraagt.
- Concurrentie in infrastructuur:
OpenAIās concurrenten investeren fors. Meta mikt op 1,3 miljoen GPUās tegen eind 2025. Elon Muskās xAI wil groeien van 200.000 naar 1 miljoen GPUās. OpenAI moet meebewegen om leidend te blijven.
Wat doen AI-bedrijven met al die GPUās?
GPUās worden door AI-bedrijven ingezet voor:
- Training van grote AI-modellen:
Modellen als GPTā4.5 en Claude 3 gebruiken honderdduizenden GPUās tijdens de trainingsfase.
- Realtime gebruik (inference):
Elke keer dat een gebruiker ChatGPT gebruikt, worden GPUās ingezet om tekst of beeld direct te genereren. Zeker multimodale modellen vragen veel rekenkracht.
- Onderzoek en optimalisatie:
GPUās ondersteunen experimenten met kleinere, efficiĆ«ntere AI-modellen die minder stroom en geheugen vragen.
- Talent aantrekken:
Bedrijven met veel GPU-capaciteit trekken makkelijker top-AI-onderzoekers aan. Een voorbeeld: Priscilla Chan gaf aan dat het Chan Zuckerberg Initiative speciaal GPUās inzet om talent binnen te halen.
OpenAIās volgende stappen in hardware
De groei naar 1 miljoen GPUās is slechts het begin. OpenAI werkt actief aan nieuwe stappen:
- Diversificatie van cloudleveranciers:
Naast Microsoft Azure gebruikt OpenAI nu ook Google Cloud, inclusief krachtige TPUās (Tensor Processing Units).
- Ontwikkeling van eigen AI-chip:
Samen met Broadcom ontwikkelt OpenAI een eigen chip, naar verwachting in 2026 in gebruik. Hiermee wil het bedrijf onafhankelijker worden van Nvidia.
- Gigadeals met cloudspecialisten:
OpenAI sloot een overeenkomst van $11,9 miljard met CoreWeave voor toegang tot meer dan 250.000 GPUās. Deze infrastructuur is essentieel voor schaalbare AI-diensten.
Waarom zegt Altman ānow they better get to work figuring out how to 100x that lolā?
Sam Altmanās
uitspraak lijkt op het eerste gezicht luchtig, maar is strategisch bedoeld. Hij benadrukt dat toekomstige AI-systemen nog veel meer rekenkracht nodig zullen hebben. Om voorbereid te zijn op GPTā5 en verder, moeten AI-bedrijven nu al nadenken over hoe ze 100 keer meer rekencapaciteit efficiĆ«nt kunnen inzetten.
Impact op AI, economie en samenleving
De inzet van miljoenen GPUās heeft brede gevolgen:
- Kostenverlaging:
Meer rekenkracht maakt AI-toepassingen betaalbaarder voor bedrijven en consumenten. Altman noemt AI zelfs deflationair: het verlaagt structureel kosten in allerlei sectoren.
- Versnelling van innovatie:
Hogere GPU-capaciteit maakt toepassingen mogelijk zoals autonoom rijden, AI in de gezondheidszorg, en wetenschappelijk onderzoek op schaal.
- Energie en duurzaamheid:
Datacenters die miljoenen GPUās ondersteunen verbruiken enorme hoeveelheden stroom. Dat stelt eisen aan duurzaamheid, netcapaciteit en energie-efficiĆ«ntie.
OpenAIās inzet van meer dan 1 miljoen GPUās toont hoe cruciaal infrastructuur is in de AI-wedloop. Bedrijven die op schaal willen innoveren, moeten investeren in eigen chips, nieuwe cloudstrategieĆ«n en zuinigere AI-modellen. Altmanās oproep om de capaciteit te ā100x-enā laat zien dat deze strijd pas net begonnen is.