華橋時報
광고 문의 · 728×90
국제

오픈AI, 브로드컴과 첫 AI 칩 개발… “비용 절감·개발 가속” 표방

AI 기업이 자체 맞춤형 칩으로 비용과 속도를 잡으려 한다.
손승종 기자 · 2026.06.25
국제
사진=Wikimedia Commons (자유 라이선스) · 기사 주제 관련 이미지

오픈AI가 브로드컴과 손잡고 첫 자체 AI 칩 개발에 나섰다. 회사 측은 비용을 크게 줄이고 개발 속도를 끌어올릴 수 있다고 밝혔다.

광고 문의 · 300×250

대형 AI 기업들은 학습·추론에 막대한 연산 자원을 소모한다. 범용 가속기 의존도를 낮추고 자사 워크로드에 최적화한 맞춤형 칩을 확보하면, 비용 구조와 공급 안정성을 함께 개선할 수 있다.

맞춤형 칩 흐름은 설계·위탁생산·메모리로 이어지는 공급망 전반에 파급된다. 반도체 위탁생산과 고대역폭 메모리에 강점을 가진 아시아 기업들에는 새로운 수요처가 될 수 있다.

다만 자체 칩 개발은 막대한 투자와 시간, 검증을 요구한다. 초기에는 범용 칩과 병행하며 점진적으로 비중을 늘리는 전략이 일반적이다.

AI 인프라 경쟁이 칩 단계로 확장되면서, 연산 비용과 전력 효율이 산업 경쟁력의 핵심 변수로 떠오르고 있다.

OpenAI攜手博通開發首款AI晶片 號稱「省成本、加速研發」

AI企業欲以自研客製晶片兼顧成本與速度。
本報記者 孫承宗 · 2026.06.25
국제
圖=Wikimedia Commons(自由授權)· 與報導主題相關

OpenAI攜手博通開發首款自研AI晶片,稱可大幅降低成本並加快研發速度。

광고 문의 · 300×250

大型AI企業在訓練與推論消耗龐大算力。降低對通用加速器依賴、取得針對自家工作負載最佳化的客製晶片,可同時改善成本結構與供應穩定。

客製晶片趨勢牽動設計、委外製造到記憶體的整體供應鏈,對在晶圓代工與高頻寬記憶體具優勢的亞洲企業,可能成為新需求來源。

惟自研晶片需龐大投資、時間與驗證,初期通常與通用晶片並行,再逐步提高比重。

AI基礎設施競爭延伸至晶片層級,算力成本與能效正成為產業競爭力的關鍵變數。

OpenAI携手博通开发首款AI晶片 号称「省成本、加速研发」

AI企业欲以自研客制晶片兼顾成本与速度。
本报记者 孙承宗 · 2026.06.25
국제
图=Wikimedia Commons(自由授权)· 与报导主题相关

OpenAI携手博通开发首款自研AI晶片,称可大幅降低成本并加快研发速度。

광고 문의 · 300×250

大型AI企业在训练与推论消耗庞大算力。降低对通用加速器依赖、取得针对自家工作负载最佳化的客制晶片,可同时改善成本结构与供应稳定。

客制晶片趋势牵动设计、委外制造到记忆体的整体供应链,对在晶圆代工与高频宽记忆体具优势的亚洲企业,可能成为新需求来源。

惟自研晶片需庞大投资、时间与验证,初期通常与通用晶片并行,再逐步提高比重。

AI基础设施竞争延伸至晶片层级,算力成本与能效正成为产业竞争力的关键变数。

OpenAI Teams With Broadcom on First AI Chip, Touting Lower Cost

An AI firm seeks to tame cost and speed with custom silicon.
By Son Seung-jong · 2026.06.25
국제
Photo: Wikimedia Commons (free license), related to the topic

OpenAI is developing its first in-house AI chip with Broadcom, saying it can sharply cut costs and accelerate development.

광고 문의 · 300×250

Large AI firms burn vast compute on training and inference; custom chips tuned to their workloads can improve both cost and supply stability versus general accelerators.

The custom-silicon trend ripples across design, foundry and memory, offering Asian leaders in chip manufacturing and high-bandwidth memory a new demand source.

Still, in-house chips demand huge investment, time and validation; firms typically run them alongside general chips at first.

As the AI-infrastructure race extends to silicon, compute cost and power efficiency are becoming decisive.

출처·참고 (사실 확인용 — 본문은 직접 재작성)
· UDN 科技
· 環球網
광고 문의 · 970×90