| 👆 点击关注「星捷AI前沿」 | 「星捷AI前沿」→ 设为星标 ★ |
导语
2025年10月签下10吉瓦合作协议，8个月后第一颗芯片造出来了。名字叫Jalapeño，专为推理而生，AI参与设计，9个月流片——OpenAI的算力自主之路正式开跑。
不是"又一颗AI芯片"
每年都有公司宣布造芯片。大部分是公关稿，少部分是PPT。但Jalapeño不一样，有几个原因：
第一，它是OpenAI的第一颗芯片。 从用Nvidia GPU到自己设计芯片，这个跨度本身就是行业信号。
第二，它只做推理。 不是通用AI加速器，不是"也能训练也能推理"的万金油。Jalapeño从第一行设计代码开始，就只为一个目的：跑已训练好的模型，跑得更快更便宜。
第三，9个月从设计到tape-out。 OpenAI自己说这是"高性能先进半导体领域有史以来最快的ASIC开发周期"。行业里一颗高性能ASIC从立项到流片通常需要18-24个月。
第四，AI参与了设计。 OpenAI的声明里有一句容易被忽略的话——"the use of OpenAI models to accelerate parts of the design and optimization process"。他们用自己的模型帮自己设计芯片。
这四点放在一起，说明的不是"OpenAI也造芯片了"，而是——推理成本的战争，已经打到了硅片层面。
为什么是推理，不是训练
训练花的是一次性的钱。一个前沿模型训练完成，算力开销就停了。
推理花的是持续的钱。每一次你问ChatGPT一个问题，每一次Codex跑一个任务，每一次API被调用——都在烧算力。而且这个成本随用户增长线性放大。
OpenAI现在有8亿周活用户。假设每个用户平均每天产生10次推理请求，那就是每天80亿次推理。这个量级下，推理效率每提升1%，省下来的都是真金白银。
Jalapeño的设计目标很明确：把推理的performance-per-watt做到比现有方案"substantially better"。OpenAI还没公布具体数据（说"coming months"会出技术报告），但方向很清楚——
训练继续靠Nvidia。推理逐步换成自己的芯片。
这个逻辑Google早在2016年就想明白了。TPU的第一代就是推理专用，后来才扩展到训练。Amazon的Trainium也是同样的路径。现在OpenAI走了一模一样的路。
"全栈"这个词，OpenAI是认真的
Greg Brockman在声明里说了一段值得细读的话：
"OpenAI is not only developing frontier models or building products on top of them; it is designing the infrastructure underneath them: chip architecture, kernels, memory systems, networking, scheduling, deployment systems, and product experience."
翻译一下：模型我写，产品我做，芯片我设计，数据中心我建，调度系统我搞——从用户界面到硅片晶体管，全链路自己掌控。
这不是吹牛。2025年10月签Broadcom合作的时候，说的是10吉瓦的部署规模。作为参考，10吉瓦大约相当于10个大型核电站的发电量。Broadcom CEO Hock Tan说这是"多代路线图的第一步"，部署从2026年下半年开始，到2029年底完成。
芯片层面，Jalapeño的工程样品已经在实验室里跑了——跑的是GPT-5.3-Codex-Spark。这说明两件事：一是芯片已经到了能跑真实工作负载的阶段（不是仿真），二是OpenAI的模型路线图已经排到了5.3版本。
9个月造一颗芯片，怎么做到的
传统ASIC开发周期是18-24个月。Jalapeño用了9个月。
OpenAI给了三个原因：
软件-硬件协同设计。 OpenAI的工程团队同时理解模型和硬件——他们每天跑的推理工作负载就是最好的benchmark。不需要猜"未来模型需要什么"，因为他们自己就是未来模型的开发者。
Broadcom的硅实现能力。 Broadcom不是新手，他们的Tomahawk网络芯片已经是数据中心标配。芯片实现、封装、网络连接，Broadcom全包了。
AI辅助设计。 OpenAI用自己的模型加速芯片设计和优化过程。具体怎么加速的、加速了哪些环节，OpenAI没有详细说。但芯片设计中的EDA工具确实有大量可以被ML优化的环节：布局规划、布线、时序优化、功耗分析。如果AI能把原本需要工程师几周的工作压缩到几天，9个月就不奇怪了。
这里有一个有意思的循环：模型帮芯片设计加速 → 芯片让模型推理更快 → 更快的模型帮下一代芯片设计更高效。OpenAI在声明里也明确提到了这个"flywheel"。
对行业意味着什么
对Nvidia：短期无影响，长期是墙。 Jalapeño是推理芯片，训练还得靠GPU。但每个大厂都在做同样的决策——Google有TPU，Amazon有Trainium，Meta有MTIA，现在OpenAI有Jalapeño。Nvidia的护城河正在从"唯一选择"变成"训练的唯一选择，推理的可选项之一"。
对Broadcom：大赢家。 Broadcom给OpenAI做芯片实现，还做网络（Tomahawk系列）。10吉瓦的部署规模，每一瓦都跑在Broadcom参与设计的硬件上。
对开源社区：间接利好。 OpenAI把推理成本打下来，受益的不只是ChatGPT用户。如果OpenAI的API价格因为自研芯片而下降，所有基于OpenAI API开发的创业公司都吃到了红利。但反过来——如果OpenAI的推理效率领先到一定程度，用闭源API比自建开源模型推理还便宜，那对开源生态就不是好消息了。
对中国AI公司：又一个卡脖子的地方。 芯片设计能力不是光有钱就能搞的。OpenAI有Broadcom，中国厂商找谁？这已经不是"模型差距"的问题，而是"基础设施差距"开始叠加。
还有一个没被讨论的问题
OpenAI在声明里说Jalapeño"designed for current and future LLMs across the industry"——不只为自己设计，而是为全行业的LLM设计。
这意味着什么？
如果Jalapeño真的能高效跑所有LLM（不只是GPT系列），OpenAI有没有可能开放这个芯片给第三方用？就像Google Cloud卖TPU时间一样，OpenAI有没有可能卖Jalapeño算力？这个问题现在没有答案。但如果答案是"会"，那云计算市场的格局又要变。
AI竞争的主战场，正在下沉
从ChatGPT发布到现在三年半，OpenAI的路径已经非常清晰：
2024年：做出最好的产品（Codex、GPTs）
2025年：建数据中心
2026年：造芯片
每一步都在把竞争维度往底层推。模型层面的竞争在变成军备竞赛，真正拉开差距的地方正在转移——从"谁的模型更聪明"到"谁的推理更便宜"。
Jalapeño是一颗芯片的名字，但它标志的是一个拐点：AI竞争的主战场，正在从算法层下沉到物理层。
信息来源：OpenAI官方公告（openai.com/index/openai-broadcom-jalapeno-inference-chip）、TechCrunch报道、Broadcom合作声明（2025年10月）、Hacker News讨论