就在今日，深耕硬件领域多时的OpenAI，终于交出了首颗自研芯片的答卷。 在社交媒体上，OpenAI揭晓了其与半导体巨头博通联合...

就在今日，深耕硬件领域多时的OpenAI，终于交出了首颗自研芯片的答卷。

在社交媒体上，OpenAI揭晓了其与半导体巨头博通联合设计的首款定制AI芯片——Jalapeño。这颗芯片的名字取自“墨西哥辣椒”，它的面世不仅标志着OpenAI在软硬件一体化战略上迈出了关键一步，同时也意味着这家头部科技企业正式入局英伟达垄断的算力市场，，希望借此降低对GPU的依赖。

这是一颗专为大语言模型（LLM）推理任务设计的专用集成电路（ASIC）。在分工上，OpenAI负责了最核心的芯片架构设计，博通负责芯片的实现以及配套网络技术，并最终交由台积电进行制造。此外，加拿大电子制造商天弘科技（Celestica）负责了配套的板卡、机柜与整机系统的集成方案。多家行业巨头协同，共同完成了这款芯片的落地。

值得一提的是，OpenAI此前曾尝试与三星电子一同开发NPU，但由于战略层面的分歧，这项合作最终陷入停滞，这才促成了OpenAI与博通之间的合作。

目前，Jalapeño的工程样片已在实验室中成功跑通了真实的机器学习任务，包括OpenAI旗下的编程模型GPT-5.3-Codex-Spark也能完美运行，其运行的频率和功耗均已达到了量产目标。博通CEO陈福阳也声称，Jalapeño的性能可与英伟达最新的Blackwell芯片及谷歌的TPU相媲美。

有意思的是，这不仅是一块“拼好芯”，同时也一颗由AI全程参与的芯片。

从初始设计到最终流片，Jalapeño仅用了9个月时间，创下了高性能ASIC研发周期的新纪录。在传统半导体行业，这样的流程通常需要18到24个月。而OpenAI在研发过程中运用了自家的大模型来加速部分设计流程，例如用AI处理Verilog代码和测试脚本等重复性劳动，实现了“用AI设计AI芯片”的闭环。

算力与成本，如今已经是OpenAI乃至整个AI行业躲不了的两大难题，每家科技巨头的大型语言模型的训练与推理都在消耗着惊人的计算资源。

尽管OpenAI在2025年实现了130亿美元的营收，但其运营支出高达340亿美元，亏损近210亿。其中，研发和基础设施支出为192亿美元，仅支付给微软的算力费用就超过105亿美元。

相较一次性投入的训练成本，推理成本随每一次用户交互持续产生。因此，在提升算力的同时严控成本，是实现可持续运营的关键，Jalapeño正是这一战略下的产物。

据评估，Jalapeño在量产后有望将推理成本降低约50%。通过自研ASIC专门优化推理场景，OpenAI可以直接削减去为GPU通用性支付的冗余成本，将每一分钱都花在刀刃上。

在发布Jalapeño前，OpenAI与英伟达的关系就已经颇为微妙——OpenAI既是后者的大客户和投资对象，如今又成为了潜在的竞争者。

按计划，OpenAI原定于2026年上市，但实际上已经被Anthropic抢先一步，这时候盈利能力就成了投资者最关心的问题。此时发布自研芯片，无疑是向华尔街传递了一个清晰信号：OpenAI不可以打造最先进的大模型，同时还有能力构建软硬件一体的全栈平台，从而精准把控成本结构与长期发展节奏。

除Jalapeno外，谷歌TPU、亚马逊Trainium，以及字节跳动正在研发的推理芯片，均指向同一趋势：AI算力基础设施正从“采购通用硬件”，转向“基于自身模型特性定制专用硬件”。未来AI行业的竞争，也将逐步延伸至硬件维度。

根据计划，Jalapeño芯片及其配套的服务器平台将于2026年底开始规模化部署，并在此后数年持续扩建，最终形成吉瓦级别的数据中心集群。

OpenAI强调，该芯片具备高度灵活性，能够适应当前及未来各种版本的大语言模型。尽管目前芯片仅供内部使用，但OpenAI也留下了开放性的伏笔——理论上，它未来也可能向其他AI公司提供算力方案。若真如此，OpenAI的角色将从一家顶尖的AI模型公司，进一步升级为关键的AI基础设施提供商。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！