OpenAI首款自研推理芯片Jalapeño面世：9个月完成流片，年末正式上线
6月24日，OpenAI携手半导体行业巨头博通（Broadcom）正式推出其首款自研推理芯片Jalapeño。这是一颗从零起步设计的ASIC专用芯片，专为大模型推理场景量身打造，并非基于通用GPU改造而来。此次发布意义非同寻常。当全球体量最大的AI模型企业投身自研芯片，意味着行业竞争的焦点正在发生根本性转移。Jalapeño的开发由三方协同完成：OpenAI承担底层架构设计任务，博通负责芯片制造及Tomawhawk网络交换芯片，加拿大企业Celestica则负责板卡与机架层面的集成工作。芯片代工环节交由台
OpenAI 自研芯片 Jalapeño 问世：代号墨西哥辣椒
2026 年 6 月 24 日，OpenAI 携手博通共同揭晓了一项重大成果——他们成功研制出一款名为 Jalapeño 的芯片。九个月极速“造芯”OpenAI 为何率先布局推理芯片OpenAI 为何强调“全栈”能力目前，OpenAI 尚未披露 Jalapeño 的完整算力参数、内存规格及成本细节，仅透露早期测试表明其每瓦性能将大幅超越现有顶尖水平，详细技术报告将于未来数月公布。因此，单凭发布会信息尚无法断定其能否全面胜出英伟达 Blackwell 或谷歌 TPU。不过，官方已明确 Jalapeño 的核
OpenAI自研AI芯片9个月流片成功：算力战争新格局开启
OpenAI从英伟达最大的客户，变成了英伟达的竞争对手。首款自研AI推理芯片Jalapeño，9个月完成从设计到流片——比苹果M1还快3个月。当AI公司开始造芯片，这场算力战争的规则，彻底变了。📅 发布时间：2026年6月25日⏱️ 阅读时长：约3分钟🏷️ 文章分类：#硅基觉醒 #OpenAI #AI芯片 #算力战争看到这条消息的时候，第一反应不是"OpenAI终于造出芯片了"，而是——9个月完成流片，凭什么？芯片行业有个不成文的规矩：从设计到流片，通常2-3年。苹果M1花了12个月，已经算行业天花板。O
九个月从零到流片：AI芯片研发正在被重塑
当地时间24日，OpenAI与半导体行业领军企业博通（Broadcom）共同宣布推出旗下首款自主研发的AI推理芯片Jalapeño（墨西哥辣椒）。OpenAI掌门人萨姆·奥尔特曼（Sam Altman）与博通首席执行官陈福阳（Hock Tan）从最初规划到完成流片，整个研发周期仅为九个月。OpenAI宣称这创造了"高性能先进半导体领域 ASIC 开发的最快纪录"。传统上耗时数年的芯片设计工程，真的变得如此简单了吗？Jalapeño将于今年底投入使用Jalapeño是一款专用集成电路（ASIC），专门针对大
AI 代币风暴：美股 IPO 引爆，A 股算力价值重估
一、核心摘要：AI 商业模式迎来终极转折2026 年有望成为全球 AI 商业化范式变革的元年。伴随着 OpenAI、Anthropic、SpaceX 三大科技巨头密集启动 IPO 申报，华尔街正被迫重塑对人工智能行业的估值逻辑。持续数十年的软件订阅与产品授权模式彻底失效，代币（Token/词元）经济正式登陆全球资本市场，成为 AI 产业定价的关键锚点。代币绝非虚拟概念，而是 AI 产业的通用硬通货与计量基石，是大模型处理文本、图像、音频等数据的最小原子单元，直接关联算力消耗、模型推理及商业变现。不同于互联
微软注资 D-Matrix 强势入局，新兴芯片商叫板英伟达
核心摘要 AI 芯片领域的角逐愈发激烈，又一家实现量产的初创公司声称其性能已超越全球市值榜首的英伟达。 D-Matrix 公司位于硅谷，与英伟达总部相距不过三英里。该公司宣称，在处理小型推理任务时，其芯片运算速率是英伟达独立 GPU 的十倍，而功耗仅为后者的五分之一。 这款名为“海盗船（Corsair）”的新型推理芯片采用了创新的内存架构，设计理念与塞雷布拉斯及格罗克（Groq）类似。随着科技巨头对算力需求的激增，行业趋势表明：中小型芯片企业仍拥有广阔的细分市场挖掘空间。 成立于 2015 年的塞雷布拉斯
润苗行：杭州AI先锋首期亮相，重塑城市智能版图
2026年，“智能经济新形态”首次被列入全国两会政府工作报告，被视为新质生产力的核心发展路径。作为数字之都，杭州再次发力——依据《杭州市人工智能创新高地建设2026年行动方案》，目标锁定5500亿元AI核心产业规模。2026年5月，国家发改委首批批复设立“国家人工智能应用中试基地（医疗）”，聚焦智能专科医生领域，致力于成为全国人工智能创新发展的领头羊。深耕杭州十八载的科创金融服务商杭州科创集团已率先投身其中。秉持“十年磨一剑”的耐心，我们在AI算力、具身智能、医疗AI及制造等行业，挖掘并扶持了众多极具潜力
安蒙预测2030年AI词元需求激增40倍 高通布局智能体时代
高通公司股价周一尾盘下跌逾7%，但CEO克里斯蒂亚诺·安蒙在Computex 2026开幕主题演讲中释放的AI增长预期，为市场提供了中长期乐观指引。安蒙预测，到2030年，AI词元生成量将从当前的317亿个/10秒跃升至约1.27万亿个/10秒，增幅近40倍。 安蒙在演讲中明确将2026年定义为"智能体之年"，标志着AI从被动响应指令的工具，进化为能够自主规划、推理和执行任务的智能伙伴。安蒙指出："今天的设备并不是为智能体设计的。现有设备大多是围绕'用户主动操作'设计的，当使用者与AI智能体同时操作同一台
AI账单压力与组织变革同步发酵
乾昌AI商业内参2026-05-30 · 主理人老张栏目导语5月30日这盘棋很直白：一边是企业拼命压AI token账单，一边是Meta、字节把「可被SOP化」的岗位直接砍掉。今天只聊能落到利润表和组织图上的事。Glean年收破3亿美元：企业终于愿意为「少烧Token」买单AI生产力工具核心资讯企业搜索独角兽Glean宣布年化收入达3亿美元，15个月从1亿翻三倍。CEO Arvind Jain强调其「上下文图谱」能对接企业内部系统，让AI少做无效检索、少耗Token。Google、微软、OpenAI、An
AI 日报：美光跻身万亿俱乐部，高通联手指尖巨头，基建热潮再起
1、美光市值首破万亿大关，AI 存储领域成资本新宠周二美光科技股价飙升，市值历史性地跨越1万亿美元门槛。据路透社报道，该股盘中涨幅约18%，主要驱动力源于AI数据中心对高带宽内存及存储需求的激增。美光方面透露，其2026年的HBM产能已全部售罄，且下一代HBM4产品已步入量产流程。AI 算力绝非仅靠 GPU 支撑。大模型的训练与推理极度依赖数据吞吐能力，HBM、高速存储、互联技术及服务器系统正演变为 AI 基建的关键瓶颈。美光跻身万亿俱乐部，折射出资本市场不再单纯视英伟达为 AI 硬件唯一核心，而是开始重
Cerebras Systems冲刺纳斯达克，AI推理芯片引爆百亿估值
受益于AI芯片市场的持续火热，Cerebras Systems即将在纳斯达克挂牌上市(26348.3479, 101.27, 0.39%)，创下今年全球最大IPO纪录。据悉，由于机构认购异常火爆，该公司已将IPO定价区间从每股115-125美元大幅调升至150-160美元，发行量也增至3000万股，以最高价计募资规模可达48亿美元，总市值约350亿美元。 巨头加持构筑成长基石 Cerebras深耕AI推理芯片领域，其CS-3晶圆级引擎在运算速度和内存带宽方面显著优于传统GPU。年内接连斩获两大顶级客户：亚
高通AI200/AI250双芯出击：推理战场还能稳住英伟达吗？
随着全球AI竞争的重心从“模型训练”逐步转向“推理效率”，数据中心芯片的较量也正在酝酿新的版图变动。2025年10月28日，高通正式亮出AI200与AI250两款面向数据中心推理场景的全新芯片，并同步发布配套加速卡与机架式系统。此次行动并非试水，而是借助移动NPU的长期积累实现“精准打击”，直指由英伟达主导的AI推理核心区域。高通希望凭借低功耗、大内存以及更优TCO，重新定义生成式AI落地时的成本与性能权衡。与英伟达GPU往往采取“训练+推理一并覆盖”的策略不同，高通这次把资源集中在AI推理专用赛道上。两
英伟达推理芯片提前出货：千亿链条新机遇
引言2026 年 4 月，供应链端传出重要进展：英伟达在完成收购 Groq 后推出的首款推理专用芯片 Groq 3 LPX，将原本计划在年底才启动的发货安排，提前到第三季度展开。预计全年交付量可达 150 万颗，同时配套的 LPX 机架交付规模超过 6000 台。此次调整并不只是简单的产能加快，更像是 AI 产业从 “训练驱动” 转向 “推理释放”的关键拐点。目前全球 AI 算力需求的结构正在重塑：到 2026 年，推理算力需求预计将达到训练算力的 4-5 倍；在中国市场，这一比例可进一步放大至 8 倍。
国产AI算力链景气上行
一、核心：两大趋势锁定主线，行业景气度持续抬升1. 国产AI芯片加速崛起：国内AI芯片市场份额持续扩大，本土供应链关键环节的竞争力不断增强，国产替代进程稳步推进；2. 超节点放量可期：国产超节点相关技术已基本成熟，正迈向批量交付阶段，或将成为驱动行业演进的关键主轴。二、四大核心逻辑：支撑算力链长期走强逻辑1：AI需求全面释放，算力消耗与商业化同步突破AI需求的加速增长，是算力链保持向好的根本动力，主要体现在以下三方面：✅ Token消耗显著上扬：豆包大模型日均Token用量突破120万亿，短短3个月实现翻
芯片初创瞄准AI内存瓶颈突破路径
超大规模的人工智能模型让服务器负荷剧增，高端芯片也更容易出现闲置。谷歌以及元宇宙领域（Meta）的多位资深从业者表示，他们已经摸索出可行的破解思路。 内容摘要 Majestic Labs AI 打造了新一代服务器系统“普罗米修斯”，核心目标是在运行超大 AI 模型时，打破由内存容量与带宽带来的性能瓶颈。 由谷歌（Alphabet 旗下）与 Meta 过往关键高管组成的团队，研发了一套新的服务器架构，意在应对当前 AI 模型规模持续膨胀、技术复杂度不断上升所带来的部署与运行难题。 Majestic Labs