就在刚刚，OpenAI掏出了史上第一颗自研芯片。名字叫Jalapeño，墨西哥辣椒，专为大模型推理设计。9个月前，白纸一张。9个月后，工程样片不仅跑通了GPT-5.3-Codex-Spark，而且频率和功耗均已达到量产目标。更离谱的是，这颗芯片是OpenAI用自己的AI帮着画的。
9个月，行业纪录碎了
Jalapeño，墨西哥辣椒里辣度最温和的品种之一。
OpenAI拿它给第一颗芯片命名，潜台词很可能是：这只是入门级，后面可能还有更辣的。
官方定位叫“IntelligenceProcessor”，一颗专为大模型推理设计的定制ASIC。
由OpenAI主导架构设计，Broadcom负责芯片实现和网络互联，Celestica做板卡和机架集成。
通常来说，先进半导体行业，设计一颗高性能ASIC要18到24个月。GoogleTPU两年一代，AmazonTrainium差不多也是这个的节奏。
而OpenAI只用了9个月，一举刷新了先进半导体领最快的ASIC开发周期。
这颗芯片从第一根线开始就只为一件事优化：LLM推理。
而且，Jalapeño不只跑OpenAI自家模型，架构上兼容全行业的LLM。
AI帮自己画了电路图
比性能更值得关注的，是这颗芯片怎么被造出来的。
OpenAI自家AI模型参与了这颗芯片的设计和优化。
也就是说——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。
AI，帮自己造了一副新身体。
AI设计芯片不新鲜。Google2021年在Nature发论文，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。
OpenAI硬件团队的掌门人RichardHo，正是从这个圈子里走出来的。
Google近九年，TPU高级工程总监，参与发明了ML设计芯片架构的方法，多个TPU项目首次流片即成功。
之后去了光子计算公司Lightmatter当高级副总裁，更早联合创办过EDA公司0-InDesignAutomation。学术界、芯片设计、AI硬件，整条路走了一遍。
OpenAI挖他来，大概率就是为了一件事：把“AI辅助芯片设计”嫁接到自家模型上。
芯片设计最磨人的不是“想方案”，是无数次的设计—验证—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恰恰擅长干这种事——读历史设计数据、生成RTL代码、辅助验证和debug、优化布局布线。
能实现9个月流片，靠的是AI替人扛掉了那“18到24个月”里最磨人的一大块。
用最会用锤子的人，来设计新锤子。用最懂LLM运行规律的模型，来设计专门跑LLM的硬件。
你的ChatGPT账单正在被重写
OpenAI每年算力支出百亿美元级别，这些钱最终要从你身上赚回来——20美元月费、API调用、Plus和Pro订阅。
推理成本砍半，普通用户最先感受到的：响应变快。
现在ChatGPT高峰期排队、转圈、长对话变慢，本质都是算力不够分。
推理效率提升后，同等服务器能服务更多用户，体验有望改善。
其次：免费版能力放开。
现在很多功能锁在Plus里——深度研究、高级数据分析、完整版语音对话。
成本降了，这些功能下放给免费用户的可能性就大了。
而OpenAI需要的，正是让更多人用上ChatGPT，并且能用更久。
再往远看：20美元的月费可能还是20美元，但你拿到的东西完全不一样。
去年这个价格买到的是GPT-4o，明年同样的钱可能买到的是一个能跑完整工作流的agent。
月费没变，能力可能翻几番——推理成本下降带来的隐性降价。
但Jalapeño瞄准的不只是今天的ChatGPT。
RichardHo的思路是：为模型要去的方向设计硬件，而不是为它现在的样子。
OpenAI内部能看到未来6到9个月模型的演进方向，芯片按这条管线往前造。
等agent真正跑起来，算力需求和今天的一问一答完全不是一个量级。
说白了，推理成本降下来，受益的不只是Pro用户。
学生、小企业、独立开发者，都可能用上今天只有大客户才跑得起的AI能力。
OpenAI要吃掉整条链
模型自己训，芯片自己设计，推理自己优化，部署自己控制。
换句话说，OpenAI要做全栈AI公司。
之前和Cerebras合作推理部署，OpenAI从中摸清了专用推理硬件的价值。现在自己下场做，把经验变成自己可控的平台。
Apple和Google都走过这条路。
但OpenAI的全栈多了一层：
用AI加速AI基础设施建设，再用更好的基础设施跑更强的AI。如果这个循环成立，飞轮会自己给自己加速。
首批GW级数据中心将和Microsoft等合作方从2026年底开始部署。
Jalapeño只是第一代，下一代叫什么还不知道。
但造它的，大概率不只是人了。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】