OpenAI 也下场造芯片了，而且只用了 9 个月
2026 年 6 月 24 日，OpenAI 和博通（Broadcom）联合发布了一款名字很奇怪的芯片：Jalapeño（哈拉贝诺辣椒）。
这件事有几个让人震惊的点：
- 从设计到流片（tape-out）只用了 9 个月——行业常态是 1.5-2 年
- 这是 OpenAI 第一颗自研芯片，标志着它从「纯模型公司」变成了「全栈 AI 基础设施公司」
- 早期测试显示：推理成本比现有主流 AI 加速器低约 50%
- 计划 2026 年底前 部署到千兆瓦级数据中心
黄仁勋估计睡不好觉了。
Jalapeño 到底是什么芯片？
先说清楚：它不是用来「训练」大模型的，它是专门做推理（inference）的。
两者的区别：
- 训练：把海量数据喂给模型，让它「学会」东西。这是一次性（或周期性）的巨额算力投入。目前这块还是英伟达 GPU 的绝对主场。
- 推理：模型已经训练好了，用户发一条消息，模型生成回复——这个过程叫推理。这是每天发生几亿次的事情，是 OpenAI 最大的持续成本来源。
Jalapeño 是一枚 ASIC（专用集成电路）——它不是通用 GPU，而是围绕 OpenAI 对 LLM 推理工作负载的深度理解，从零开始设计的专用芯片。
用 OpenAI 自己的话说：「我们不仅在开发前沿模型，也在构建它们之下的基础设施——包括芯片架构、内核、内存系统、网络、调度、部署系统乃至产品体验。」
9 个月流片，怎么做到的？
正常情况下，设计一颗高性能 ASIC 芯片需要 1.5-2 年。9 个月完成，在半导体行业里是闻所未闻的速度。
OpenAI 能做到，核心是两个原因：
1. AI 辅助芯片设计
OpenAI 用自家的前沿模型（应该是 GPT-5.x 系列）来辅助芯片设计流程：
- 架构探索：让模型帮着评估不同架构设计的权衡
- 功耗仿真：用 AI 加速功耗和散热模拟
- 强化学习优化：用 RL 方法优化芯片布局布线
用 OpenAI 总裁 Greg Brockman 的话说：「我们利用服务于用户的前沿模型，来优化运行未来模型的基础设施。」
这是一个很妙的自增强循环：用 AI 来设计跑 AI 的芯片，芯片更强了，AI 也更强了。
2. 博通的成熟 ASIC 能力
博通（Broadcom）在定制 ASIC 领域是顶级玩家，谷歌的 TPU、微软的 Maia，背后都有博通的 IP 和封装技术。
这次合作，博通提供了：
- 芯片实现（从 RTL 到 GDS 的全流程）
- Tomahawk 网络芯片（用于芯片间高速互联）
- 高速互联技术（博通在这个领域基本是垄断地位）
OpenAI 出架构设计和需求定义，博通出工程实现——这个分工让 9 个月流片成为可能。
性能到底怎么样？
OpenAI 在官方新闻稿里说得很保守：「每瓦性能大幅优于当前最先进的 AI 加速器。」
但博通 CEO 陈福阳（Hock Tan）在接受路透社采访时说得更直接：Jalapeño 的性能可与英伟达 Blackwell 系列及谷歌 TPU 相媲美。
还有一个更关键的数字（来自彭博社）：推理成本降低约 50%。
对于 OpenAI 这种每天处理几亿次 API 调用 + ChatGPT 请求的公司来说，推理成本砍半意味着什么？
- ChatGPT 免费版可以更大方地给用户用
- API 定价可以进一步降低（逼竞争对手降价）
- 公司整体盈利模型显著改善
OpenAI 为什么要自己造芯片？
这个问题有几个层面的答案。
1. 算力焦虑是真实存在的
Greg Brockman 自己说过：「我们根本无法足够快地获得算力。」
即使英伟达全力供货，OpenAI 的算力需求增长比供给增长还快。自研芯片，等于在多一条供给线。
2. 「全栈优化」是终极竞争力
目前，OpenAI 的模型跑在别人设计的芯片上（英伟达 GPU、谷歌 TPU、AWS Trainium）。芯片不是为 OpenAI 的模型专门设计的，总有浪费。
如果模型、推理引擎、芯片、网络、调度系统全是自己设计的，每一层都可以为同一个目标优化——最终效果是：同样的算力，跑出更好的性能；或者同样的性能，花更少的钱。
3. 为「后 GPU 时代」做准备
AI 芯片的架构迭代极快。今天是 GPU 的天下，明天可能是 ASIC、可能是光子芯片、可能是量子计算。
OpenAI 现在开始积累芯片设计能力，是在为 5-10 年后的技术路线自主权做储备。
对英伟达的影响有多大？
短期（1-2 年）：几乎没有影响。
Jalapeño 目前只供 OpenAI 自己用（至少初期是这样），英伟达的 GPU 还是要卖给全世界其他所有人。
中期（3-5 年）：有影响，但是渐进的。
如果 OpenAI 把 Jalapeño 平台开放给第三方用（博通 CEO 提到了这种可能性），那英伟达会失去一部分「超大厂自研芯片」的市场。
但这个市场本来也在流失——谷歌、亚马逊、微软、Meta 都在自研芯片。Jalapeño 的加入，只是让这个趋势更明显而已。
长期（5 年+）：如果「AI 公司自己造芯片」成为行业标准，英伟达会从「唯一选择」变成「选项之一」。
不过这一天还远。英伟达的 CUDA 生态、软件栈、开发者社区，不是几颗定制 ASIC 能撼动的。
对海外华人有什么意义？
这件事对几种人群有不同意义：
如果你在用 ChatGPT API
推理成本降低 50%，长期来看会反映到 API 定价上。OpenAI 有动力打价格战（它现在有了成本优势），最终受益的是开发者。
如果你在投资 AI 产业链
Jalapeño 的发布，对博通是利好（拿到了 OpenAI 这个大客户，后续几代芯片的订单稳了）。对英伟达是长期利空（但不影响短期业绩）。
另外，这件事说明：定制 ASIC 的趋势已经不可逆了。 A股/港股 上做 AI 芯片 IP、封装测试、Chiplet 技术的公司，中长期可能受益。
如果你在关注「中国 AI 能不能追上」
OpenAI 自研芯片这件事，本质上是在拉大「模型能力 + 芯片能力」的差距。
国内大模型公司（字节、阿里、腾讯、百度）也在做类似的事——字节在和寒武纪深度合作，阿里有平头哥，但整体进度比 OpenAI + 博通这个组合慢。
这不是说追不上，而是说：芯片自研这件事，已经被证明是「顶级 AI 公司」的必选项，不是可选项。
Jalapeño 只是一个开始
OpenAI 在公告里明确说了：这是「多代路线图的第一步」。
博通 CEO 也说：目标是在未来几年内部署吉瓦（gigawatt）级算力集群。
1 吉瓦是什么概念？大约相当于一座中型城市的全部用电。把这些电全部用来跑 AI 芯片——这是 OpenAI 对未来的算力需求的下注。
结语
Jalapeño 的发布，标志着 AI 产业的竞争维度正在发生根本性变化：
从 「谁的模型更强」 → 升级为 「谁的模型 + 芯片 + 系统 + 网络整体更强」。
OpenAI 现在在这条全栈路线上，补上了最关键的一块芯片的拼图。
对英伟达来说，竞争对手不再是另一家 GPU 公司，而是一群「自己造芯片的 AI 巨头」。
这场芯片战争，才刚刚开始。
（下一篇我们会聊到：2026 年 AI 编程工具已经卷成什么样了——Claude Code、Cursor、Kimi Code、通义灵码完整横评，详见本站报道。）