OpenAI首颗自研芯片问世,代号Jalapeño,9个月完成流片创行业纪录

2026年6月24日夜间，OpenAI正式揭晓旗下首款自主研发的AI推理芯片，命名为Jalapeño——意为西班牙语中的“墨西哥辣椒”。

该芯片从立项到流片仅用时9个月，刷新了高性能先进半导体领域ASIC研发的最快纪录。

更引人注目的是——推动其设计加速的，正是OpenAI自身的AI系统。

AI设计芯片，芯片运行AI，更强的AI将设计下一代芯片。这一闭环由此形成。

Jalapeño是墨西哥辣椒中辣度较低的品种之一。OpenAI以此命名首款芯片，暗示深意：这只是起步，后续还有更激进的版本。

该芯片的官方定位为“Intelligence Processor”（智能处理器），是一款专为大型语言模型推理场景打造的定制ASIC。

需要明确，它并非训练芯片。

训练使AI更智能，推理让AI执行任务。你每日与ChatGPT交互、用Codex编写代码、调用模型API开发产品，消耗的全是推理算力。训练是阶段性工程，推理则是持续不断的消耗——用户越多、调用越频繁，芯片、服务器和电力的成本就越高。

OpenAI优先解决这一成本最高的环节，逻辑清晰。

分工上，OpenAI负责底层架构设计，博通负责芯片实现和网络互联，台积电负责代工制造，加拿大电子制造商Celestica负责板卡和机架集成。博通CEO陈福阳和总裁Charlie Kawwas亲自将首批工程样片交付给Sam Altman和Greg Brockman。

在先进半导体行业，一款高性能ASIC通常需要18至24个月。谷歌TPU两年一代，亚马逊Trainium亦如此。

OpenAI将周期缩短了一半。

第一把钥匙：AI辅助自身设计芯片。

芯片设计最耗时的不是“构思方案”，而是反复的设计-验证-修改-再验证循环。一款先进芯片的验证需运行成千上万次，占据整个周期的大部分时间。OpenAI直接利用自家模型加速这一流程——分析历史设计数据、生成RTL代码、辅助验证和debug、优化布局布线。

用最了解LLM运行规律的模型，来设计专门运行LLM的硬件。

第二把钥匙：人才。

OpenAI硬件项目负责人Richard Ho，正是谷歌TPU团队的资深成员。他在谷歌工作近九年，是Cloud TPU项目的核心工程师，参与创立了机器学习设计芯片架构的方法。OpenAI引进他，就是为了将“AI辅助芯片设计”与自家模型深度融合。

据此前报道，OpenAI芯片团队规模已扩展至约40人。

OpenAI官方表述较为审慎：工程样片已在实验室以量产目标频率和功耗运行机器学习任务，包括GPT-5.3-Codex-Spark。早期测试显示，每瓦性能将“显著优于”当前最先进水平，详细技术报告将在未来数月发布。

但博通CEO陈福阳在接受路透社采访时，表述更为直白：

Jalapeño的性能可与英伟达Blackwell芯片和谷歌TPU相媲美，推理成本比传统AI GPU降低约50%。

不过该数据目前仍为公司高管口径，未经第三方独立验证。

架构层面，Jalapeño减少了数据搬运，实现了计算、内存与网络资源的均衡配置，使实际利用率更接近理论峰值性能。Richard Ho曾在斯坦福的闭门分享中总结：“你必须为模型未来的发展方向设计硬件，而非为模型当前的形态。”

Jalapeño并非基于旧有AI芯片改造，而是围绕大模型从零设计——参考的是OpenAI每日在ChatGPT、Codex、API及未来Agent产品上运行的实际系统。

而且它兼容全行业的LLM，不仅能运行OpenAI自身的模型。

最直接的原因：降低对英伟达的依赖。

Greg Brockman在CNBC采访中坦言，OpenAI“永远无法足够迅速地获取算力”。过去，OpenAI主要通过租用微软Azure的英伟达GPU集群来训练和运行模型，但随着推理成本攀升、供应链不确定性加剧，单一供应商模式的风险日益增大。

更深层的野心是：全栈控制权。

OpenAI在官宣博客中表示，公司正在设计模型底层的基础设施——芯片架构、内核、内存系统、网络、调度和部署系统，每一层都围绕同一目标优化。

更优的基础设施→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→更多收入→再投入下一代基础设施。

这一飞轮一旦运转，就难以停止。

布罗克曼表示：“世界正迈向以计算为核心的经济时代。通过自主设计更多底层技术栈，我们能够以更高的效率提供更强大的智能。”

Jalapeño计划2026年底开始部署，2027年规模化，2028年上半年全力运转。

芯片和服务器系统不对外销售，仅供OpenAI内部使用，最终部署在微软等合作伙伴的数据中心内。

OpenAI与博通规划了多代芯片路线图，下一代预计2028年推出，此后计划按年迭代。远期目标是在2029年通过定制芯片实现10吉瓦的计算能力——大约是一座大型核电站的发电量。

博通CEO陈福阳表示，2027年1.3吉瓦的部署预测“可能过于保守”，因为实际需求远超预期。

OpenAI研发芯片，并非首例。谷歌有TPU，亚马逊有Trainium，微软有Maia，Meta有MTIA。

但OpenAI是使用AI自主设计芯片的那一个。

9个月从零到流片，AI辅助设计电路图，瞄准的是推理赛道最大的成本痛点。这条路能否走通，还需大规模部署后的验证。但有一点已非常明确：

AI竞赛的下半场，较量的不只是模型有多聪明，更是基础设施有多强大。谁能在“算力—模型—产品—收入”的飞轮上运转最快，谁就能将先进AI真正变为普通人用得起的日常工具。