'OpenAI wil chips van Google kopen om minder afhankelijk van Nvidia te worden'

OpenAI is van plan om tensor processing units van Google te kopen. Dat melden Bloomberg en The Information op basis van ingewijden. Het bedrijf zou zo minder afhankelijk worden van Nvidia, wiens chips OpenAI nu voornamelijk gebruikt voor het trainen en draaien van zijn AI-modellen.

Bloomberg en The Information delen weinig informatie over de plannen. Het is bijvoorbeeld niet duidelijk hoeveel geld ermee gemoeid gaat en waar OpenAI Googles tpu's precies voor wil gebruiken. Bloomberg zegt enkel dat OpenAI er zijn 'AI-infrastructuur' mee wil uitbouwen.

Momenteel gebruikt OpenAI voornamelijk gpu's van Nvidia voor het trainen van zijn AI-modellen en voor inferentie. Het gaat daarbij om het verwerken van nieuwe data door een 'afgetraind' model. Daar moeten later ook zijn eigengemaakte Jalapeño-chips bij komen. Die zijn overigens specifiek bedoeld voor het draaien van AI-modellen, maar niet zozeer het trainen ervan.

OpenAI huurde vorig jaar al tpu's van Google om zijn afhankelijkheid van Nvidia te verkleinen, meldt The Information. Nadat dit nieuws bekend werd, zou Nvidia met OpenAI om de tafel hebben gezeten over een nieuwe deal. Later zei de ChatGPT-maker tegen The Information dat ze 'geen plannen' heeft om tpu's te gaan gebruiken.

Googles AI-chips waren in eerste instantie alleen bedoeld voor intern gebruik, maar sinds kort verkoopt de fabrikant ze ook aan andere bedrijven. Zo sloot Google onlangs al een deal met Oracle. Dat bedrijf koopt tpu's en verhuurt ze vervolgens weer aan zijn eigen cloudklanten via Oracle Cloud Infrastructure.

Reacties (14)

[Inflatable]

Om minder afhankelijk te worden.. Wat ze waarschijnlijk werkelijk bedoelen is, we vinden het te duur en hopen door met en over concurrentie te praten de prijs naar beneden te krijgen..

Ik begrijp dat wel.. Al die software AI bedrijven investeren zich suf met honderden miljarden waar chip fabrikanten als Nvidia enorm van profiteren..

[Reactie gewijzigd door Inflatable op 28 oktober 2026 20:42]

[GeroldM]

Duur? Dat zijn de NVidia AI-servers zeer zeker. Deze servers zijn echter ook ineens stukken duurder geworden sinds een week of 2. Want normaal gesproken koopt een bedrijf een AI-server van NVidia. Maar pas op het moment dat deze server daadwerkelijk is afgeleverd in het geplande datacenter van dit bedrijf begint dat bedrijf pas met het daadwerkelijk betalen.

Tot die tijd staat die server alleen in de boeken van NVidia als verkocht en staat het vervolgens stof te happen in het magazijn van NVidia of in het magazijn van de transporteur of in het magazijn van de hyperscaler (Microsoft Azure, Amazon AWS en Oracle) of in het magazijn van de nog in aanbouw zijnde en/of electriciteitsloze datacenters.

Maar zo'n week of twee geleden heeft NVidia besloten dat een AI-server die van hun is gekocht, deze nu al tijdens vervoer/opslag/deployment moet worden betaald. Een makkelijk besluit voor NVidia die het allang zat is dat hun nieuwe AI-servers bijna niet op tijd worden betaald.

Dat zorgt er wel voor dat hyperscalers meer geld moeten gaan lenen om aan hun financiele verplichten naar NVidia te voldoen. Meer geld sneller lenen en waarvan het onzeker is dat deze sommen ooit worden terugbetaald, daarvan kakt je waardering bij een bedrijf als Moody's in. En met een lage waardering daar, dan kan je er zeker van zijn dat het heel duur geld is om te lenen.

Sterker nog, de voorwaarden zijn voor sommige hyperscalers al zodanig slecht dat deze nieuwe datacenters met die nieuwe AI-servers in hun gehele productionele leven geen winst meer kunnen maken. Daaruit volgt dan weer dat zo'n nieuw datacenter als een financieel anker gezien moet worden, terwijl deze eigenlijk ruime winsten moeten draaien...indien de voorspellingen van zowel OpenAI als Anthropic op waarheid zouden berusten.

En dat deze nou net niet. Zo'n 400 miljard USD aan contractuele verplichtingen kunnen al niet meer worden teruggedraait. De hyperscalers moeten dat wel bijbouwen en OpenAI en Anthropic moeten er ook voor betalen.

Dus aan de ene kant moeten hyperscalers dus heel duur (en naar) geld lenen, om er daarna op te vertrouwen dat OpenAI en Anthropic genoeg om gaan zetten om dat te kunnen betalen. Over dat laatste bestaan dus zeer zware twijfels. Twijfels die met elk bericht over de IPO van Anthropic en hun financiele toestand juist versterkt worden, i.p.v dat deze twijfels verdwijnen.

De eindgebruiker zou er beter aan doen om AI op te delen in 'produkt' en 'backend'. Men blijft zo hard focussen op het produkt, oftewel wat jij als eindgebruiker krijgt aangeboden, dat veel te veel mensen niet meer kijken naar de financiering van de 'backend'. En deze is troosteloos slecht. Hoor al dat het 10 keer erger zal worden dan de economische implosie in 2008, wanneer de AI bubbel in 1 keer springt.

[cold_as_ijs]

Ook de IMF waarschuwt al over de risico’s van de AI investeringen op de wereldeconomie. Dit bericht is nauwelijks opgepikt door de meeste gangbare media. https://www.msn.com/en-us/money/economy/imf-warns-that-ai-bubble-could-take-down-the-entire-world-economy/ar-AA2fBAU6

En je haalt terecht aan dat de hyperscalers grote risico’s hebben op default. Coreweave betaalt al junk rentes voor zijn obligaties. Oracle doet het beter maar schuurt ook al tegen junk aan. En nu heeft junk best wat gradaties nog, eigenlijk is de term niet goed en kan je beter spreken over een speculatieve lening. Maar het betekent simpelweg dat veel financiële instellingen zoals pensioenfondsen al niet meer mogen investeren in dergelijke bedrijven.

[rickvdvulkaan]

Is open AI niet een soort concurrent voor google?

[bapemania]

In de VS zijn alle AI giganten concullegae, met vestzak-broekzak deals all over. Ze pompen geld rond in een soort bubbel waarvan ze hopen dat die niet knapt.

[ten99]

Geen woord over de 6GW deal van AMD Instinct GPU’s? Dat hoort toch zeker ook genoemd te worden gezien de omvang van de deal

https://newsroom.amd.com/news/amd-and-openai-announce-strategic-partnership-to-d/

[_Pussycat_]

Waarom zou elke andere transactie van OpenAI in het artikel erbij moeten staan?

[vinx77]

Offtopic. Sorry, deze "moet je niet willen" antwoorden zijn echt niet meer van deze tijd. Je slaat er alleen discussies mee dood en ook de innovatie in Nederland is er totaal niet mee geholpen. En dat moet je niet willen

Maar om je vraag toch te beantwoorden. Het echte nieuws is dat OpenAI diversiviseert, en dan horen juist alle deals hierin te staan. Of tenminste een verwijzing naar de andere nieuwsartikelen. Nu komt het over dat Google het enige echte alternatief is voor Nvidia chips, terwijl AMD tot nu toe het beste scoort als alternatief.

[ManIkWeet]

Ik dacht dat ze met hun eigen chips bezig waren, waarom dan van Google kopen?

[GerritVanRivia]

Omdat Nvidia, Google, en AMD ongeveer 85% van de wereldoutput HBM hebben opgekocht voor 2027: https://cryptobriefing.com/nvidia-alphabet-amd-hbm-supply-2027/. OpenAI kan helemaal niet de hoeveelheid chips bouwen die ze willen.

[Gropah]

Een eigen chipdivisie is niet zo maar opgezet. Iets ontwerpen duurt wel even, en dan heb je waarschijnlijk ook nog allemaal opstartproblemen en kinderziektes waardoor de eerste generatie waarschijnlijk niet optimaal presteert. Dat zag je bijvoorbeeld ook bij Intel met hun GPUs. De eerste generatie liet langer op zich wachten dan gehoopt, en tussen de A en B serie zat best wel een grote stap omdat ze er allerlei kinderziektes uit hebben kunnen halen.

[satoer]

staat er toch bij:

Het gaat daarbij om het verwerken van nieuwe data door een 'afgetraind' model. Daar moeten later ook zijn eigengemaakte Jalapeño-chips bij komen. Die zijn overigens specifiek bedoeld voor het draaien van AI-modellen, maar niet zozeer het trainen ervan.

[GeroldM]

Inderdaad, voor inference, daarvoor moet een AI server hebben waar zoveel mogelijk de allerkrachtigste GPUs in zijn verwerkt.

Een AI-server voor training, die is echter veel meer gebaat bij een server met zeer krachtige CPUs dan met GPUs.

Dat is ook de reden waarom een trainigsserver nooit geschikt zal zijn als inference server en andersom dus ook. Zijn die servers ook veel te duur voor, om ze effe over te zetten, zodat beide doelen sneller behaald kunnen worden.

Dus ik blijf zeggen: leer wat je kan met de cloud-modellen en pas die kennis toe om lokale LLMs (nog) beter te laten presteren. Want de AI in de cloud, deze moet echt tussen de 10 en 15 keer duurder worden, voordat de AI-industrie als geheel en binnen maximaal 10 jaar zelfstandig winst kan draaien.

Ik heb geen problemen met het produkt AI, maar ik zie het heel treurig in voor de 'backend' van AI. Zodanig zelfs dat het effectief op neer zal komen dat een bepaald deel van de superrijken de cloud-AI in 2030 nog kunnen betalen en dat de rest het met lokale LLMs moet gaan doen.

[Pinkys Brain]

Ze draaien allebei GPUs, maar inference heeft minder compute nodig (kleinere batches) en meer CPU geheugen en SSD (context voor miljoenen sessies).