OpenAI 聯手博通釋出自研晶片 Jalapeño：專攻大模型推理，9 個月搞定

做大模型最燒錢的地方，早就不是訓練，而是每天成千上萬次呼叫的推理。

OpenAI 終於對這塊最大的賬單動手了。6 月 24 日，OpenAI 與博通（Broadcom）聯合釋出了首款自研 AI 推理晶片 Jalapeño。博通執行長陳福陽（Hock Tan）帶著團隊，親自把第一批晶片樣片送到了奧特曼（Sam Altman）手裡。

拿自己的 AI 設計晶片，9 個月完成流片

半導體行業做一顆高效能 ASIC 晶片，通常要折騰幾年。但 Jalapeño 從最初立項設計到晶片流片，只花了 9 個月。

OpenAI 稱這是高效能半導體領域最快的開發週期。除了博通的製程落地能力和天弘（Celestica）負責機架與系統整合，一個關鍵原因是 OpenAI 直接用自家的 AI 模型參與了晶片的設計與最佳化。

目前這顆工程樣片已經在實驗室全速跑了起來。測試負載甚至包括了未釋出的 GPT-5.3-Codex-Spark，跑在生產環境的目標頻率和功耗下。

官方早期資料顯示，它的每瓦效能明顯好於目前市面上的頂尖加速卡。更具體的基準測試報告，會在未來幾個月內公開。

不做通用顯示卡，專治大模型的資料搬運病

Jalapeño 在西班牙語裡是墨西哥辣椒的意思，但它的架構思路很剋制。它徹底放棄了傳統 GPU 的通用計算包袱，純粹圍繞大模型推理重寫。

OpenAI 負責硬體的理查德·何（Richard Ho）透露，晶片設計完全基於他們跑 ChatGPT、Codex 和 API 積累的底層經驗。重點不是堆算力峰值，而是砍掉不必要的資料搬動，平衡好計算、視訊記憶體與博通 Tomahawk 晶片支援的高效能網路。

按計劃，這只是兩家公司多代路線圖的第一步。到 2026 年底，他們會聯合微軟等資料中心夥伴，開啟吉瓦級規模的實際上線部署。

就像 TechCrunch 評價的那樣，科技巨頭紛紛做自研晶片，倒不是立刻跟輝達徹底翻臉，而是為了不再被單一供應商卡脖子。

為什麼重要

這標誌著 OpenAI 真正補齊了全棧能力的最後一塊拼圖。以前它有頂層應用、模型演算法和排程系統，但底下的晶片始終受制於人。現在自研晶片落地，不僅能讓 ChatGPT 響應更快、讓 Agent 處理長任務時少卡頓，最直接的好處是大幅壓低 API 呼叫成本。

對整個行業來說，輝達的護城河正在被這些頂級客戶從內部瓦解。雖然訓練大模型短期內依然離不開輝達，但在出貨量更大、長期成本佔比更高的推理市場上，大客戶自研晶片已經成型。Google 有 TPU，亞馬遜有 Trainium，現在連最親密的盟友 OpenAI 也要把機房換上自己的 Jalapeño。

我們認為，OpenAI 這一步走得極其精明，拿自己的大模型去迭代下一代硬體，等於把軟硬體協同做成了閉環。不過隱患也很明顯：把晶片設計交給博通、製造託付給代工廠、部署依賴微軟，這種鬆散的多方同盟，在未來面臨先進製程產能爭奪和吉瓦級供電壓力時，執行效率能不能跑贏垂直一體化的巨頭，還需要 2026 年底實際交付來檢驗。