9个月 自家AI设计 OpenAI发布第一颗“辣椒”芯片 后面还有更“辣”的!
作者:晨阳 文章来源:创业邦
2026-06-26 11:05
作者:晨阳 文章来源:创业邦
2026-06-26 11:05
邦小白快读
刚刚,OpenAI发布了第一颗自研芯片——Jalapeño(墨西哥辣椒)。
这款芯片由博通、Celestica联合发布,专为大模型推理而生。
从白纸一张到流片成功仅耗时9个月,Jalapeño创下高性能定制ASIC半导体领域最快开发周期纪录。
如此快的研发周期背后,帮他们加速设计的,正是OpenAI自己家的AI。
Jalapeño可适配各类大语言模型。目前,Jalapeño的样片已经跑通GPT?5.3?Codex?Spark模型(今年2月OpenAI发布的编程模型),而且频率和功耗均已达到量产目标。
一颗“辣椒”:为推理而生的定制加速器
Jalapeño被OpenAI定义为“智能处理器”(Intelligence Processor),是一颗专门针对大语言模型推理场景的专用集成电路(ASIC)。
由OpenAI主导架构设计,博通负责芯片实现和网络互联,Celestica做板卡和机架集成。
与英伟达GPU这类通用加速器不同,Jalapeño并非基于早期AI工作负载改造而来,而是OpenAI结合自身ChatGPT、Codex、API及未来智能体产品的真实运行负载,从零开始定制架构的推理专用芯片。
在性能层面,OpenAI尚未公布具体基准数据,但早期实验室测试显示,Jalapeño的每瓦性能“大幅优于当前业界最先进水平”。
工程样片已在实验室以量产目标的频率和功耗运行真实机器学习负载,成功跑通了GPT-5.3-Codex-Spark等模型。
博通CEO陈福阳更直言,Jalapeño的性能可与英伟达Blackwell芯片和谷歌TPU相媲美。
在成本层面,相比典型的AI图形处理单元,Jalapeño可节约约50%的推理成本。
这组数字意味着,同样预算下,OpenAI能够支撑更多请求、更长上下文和更复杂的工作流。按照规划,Jalapeño将于2026年底正式投入商用,联合微软等合作伙伴搭建吉瓦级规模数据中心。芯片和服务器系统均不会对外销售,仅供OpenAI内部使用。
这颗芯片还有一个有趣的命名寓意——Jalapeño是墨西哥辣椒中辣度最温和的品种之一。OpenAI的潜台词再明显不过:这只是入门级,后面还有更辣的。
为OpenAI操刀Jalapeño的核心人物,是OpenAI硬件项目负责人Richard Ho(理查德·何)。
他的履历几乎是为“设计下一代AI推理芯片”量身定做——前谷歌TPU团队核心成员、高级工程总监,参与发明了机器学习设计芯片架构的方法,多个TPU项目首次流片即成功。
他还担任过光计算芯片公司Lightmatter的高级副总裁,更早期联合创办过EDA公司0-In Design Automation。
Richard Ho透露,团队围绕对前沿AI模型最为关键的内核、内存传输、网络以及服务模式,对架构进行了全面优化。在架构层面,Jalapeño通过减少数据搬运、平衡计算、内存和网络资源,实现更接近理论峰值的实际利用率。
发布现场还有颇具仪式感的一幕:博通CEO陈福阳与总裁Charlie Kawwas,将首批工程样片亲手交到了OpenAI CEO Sam Altman和总裁Greg Brockman手中。
9个月,AI设计芯片:
自己造锤子,自己钉钉子
比芯片本身更值得关注的,是它被造出来的方式。
OpenAI直接调用自研大模型,参与了芯片的设计和优化环节。用最通俗的话说——AI设计了一颗芯片,芯片反过来跑AI,跑在上面的更强AI会设计下一代更强的芯片。
自己造的AI,造出了自己要跑的硬件。
AI设计芯片并非OpenAI的首创。
2021年,谷歌在《自然》杂志发表论文,用强化学习做芯片布局,速度比人类快几个数量级。此后AlphaChip连续优化了三代TPU布局方案。
但OpenAI的不同之处在于:它用最懂LLM运行规律的模型,来设计专门跑LLM的硬件。
芯片设计最磨人的环节从来不是“想方案”,而是无数次的设计—验证—修改—再验证循环。一颗先进芯片的验证要跑成千上万次,占掉整个周期的大半时间。
AI恰恰擅长处理这类模式识别任务——读取历史设计数据、生成RTL代码、辅助验证和调试、优化布局布线。9个月流片的奇迹,靠的正是AI替人扛掉了那“18到24个月”里最磨人的一大块。
OpenAI自研芯片,绝非一时兴起。背后是三重战略考量。
其一,成本压力倒逼自研。OpenAI每年算力支出高达百亿美元级别。过去主要靠购买英伟达通用AI芯片扩张算力,但高端AI芯片供应持续吃紧,采购成本居高不下。推理成本若能降低50%,对OpenAI的盈利模型将是颠覆性改善。
其二,算力供应链安全。OpenAI过去深度依赖微软Azure云算力集群,而自研芯片让它开始在算力供应链中掌握更多主动权。除了采购英伟达芯片和自研芯片外,OpenAI也在积极扩展供应商来源,已与AMD、Cerebras达成数十亿美元的交易。
其三,全栈战略。OpenAI以前只干两件事:训练最强模型,再用模型做产品。现在它往基础设施底部又挖了一层——芯片架构、内核、内存系统、网络、调度、部署系统,全自己来。
用OpenAI自己的话讲,这叫“全栈”。因为OpenAI同时开发大模型、AI应用产品和自行设计算力基础设施,整套体系都能围绕同一个目标优化:让大模型对用户来说更快、更可靠、更便宜。
这形成了一个完整的“增长飞轮”:更好的基础设施→更高的算力效率→更好的训练和服务→更强的模型→更好的产品→更多用户和收入→再投入下一代基础设施。
转着转着,智能就越来越强、越来越稳、越来越便宜。
自研芯片大混战:
OpenAI不是第一个
但可能是最狠的那个
放眼全球,几乎所有头部AI科技公司都已踏上自研芯片之路,OpenAI并非这条赛道的先行者。
早在2016年,谷歌便率先为TensorFlow生态定制了第一代TPU,彼时英伟达GPU在AI训练领域几无对手,但谷歌已敏锐意识到通用架构的局限。近十年间,TPU迭代至第九代,据天风国际证券分析师郭明錤最新调查,谷歌正基于TPU v9/Humufish开发代号Triggerfish的升级芯片,由联发科独家代工,预计2027年底投产,并计划引入三星2纳米制程生产部分组件,以分散对台积电的依赖。
亚马逊紧随其后,2018年推出推理芯片Inferentia,2022年补上训练芯片Trainium,形成AI计算全链路覆盖。更具攻防意味的是,亚马逊正与外部企业洽谈,拟将Trainium直接对外销售,供客户自建数据中心——这意味着云巨头正从算力租赁商向硬件供应商延伸。据披露,Trainium系列已累计产生逾2250亿美元的收入承诺,第三代芯片“基本售罄”,OpenAI、Anthropic、优步等均名列客户清单。
微软虽起步较晚,但后劲凌厉。2023年首次亮相Azure Maia加速器,2026年1月即推出第二代Maia 200,采用台积电3纳米制程,晶体管数超1400亿,FP4精度下算力突破10+petaflops,且部分推理任务成本已低于英伟达同类产品。值得注意的是,微软既是OpenAI的最大投资方和算力供应商。
此外,Meta将搭载高通专为AI数据中心设计的自研CPU——Dragonfly C1000。
而Anthropic亦在探索自主芯片方案,自研浪潮已覆盖从云厂商到模型公司的全产业链。
然而,英伟达目前仍稳坐AI芯片王座,其GPU在训练市场占据逾80%份额,CUDA生态的软件粘性堪称铜墙铁壁。
当谷歌、亚马逊、微软、OpenAI乃至Meta纷纷将定制芯片纳入长期路线图,英伟达将面临双重挤压:一方面,高端GPU的定价权因替代方案涌现而削弱;另一方面,巨头的自研芯片多为内部消化,直接蚕食了英伟达在数据中心GPU上的增量空间。
短期看,英伟达凭借制程优势和生态惯性仍难被颠覆,但长期而言,AI算力市场正从“单极垄断”滑向“多极竞合”。
算力民主化的前夜,还是新垄断的序章?
Jalapeño的诞生,标志着AI产业竞争从“模型层”正式下沉到“芯片层”。过去,AI公司的核心竞争力在于算法和数据;现在,算力本身正在成为决定胜负的关键变量。
OpenAI用9个月完成了一颗定制芯片从设计到流片的全过程,这个速度本身就在改写半导体行业的游戏规则。而“用AI设计芯片”这一模式的成熟,意味着芯片设计的人才壁垒和时间壁垒正在被技术瓦解——如果AI可以辅助设计芯片,那么定制化芯片将不再是科技巨头的专利,而可能成为任何有足够数据和工作负载的AI公司的标配。
但硬币的另一面同样值得警惕。当每家科技巨头都拥有自己的定制芯片,硬件生态将从“英伟达一家独大”走向“碎片化割据”。
算力将不再是一个开放市场,而是被各大巨头各自锁定的封闭花园。
博通CEO陈福阳透露,双方已制定跨多代产品的路线图,下一代芯片预计2028年推出,此后每年迭代一次。
OpenAI总裁Brockman的长期目标,是通过完整全栈布局压低AI使用门槛,让学生、中小企业、科研人员都能低成本、稳定调用先进大模型能力。
这个愿景令人振奋,但通往它的路径上,横亘着一个根本性的追问:当算力从“买得到的商品”变成“自己造的武器”,AI的democratization(民主化),究竟是更近了,还是更远了?
注:文/晨阳,文章来源:创业邦(公众号ID:ichuangyebang ),本文为作者独立观点,不代表亿邦动力立场。
【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com,我们将及时沟通与处理。
已点赞
{{ praise_text }}
好文章,值得被更多人看到
下一篇
欣旺达专利战背后:知识产权保护的合规边界在哪里?
表面看,这不过是又一桩寻常的商业和解。但把它放到全球新能源竞争的大棋盘上,你会发现,事情远没有这么简单。









