核心要点

早期测试显示，这款第一代加速器的每瓦性能大幅优于当前业界顶尖水平

面向全行业当前及未来的大语言模型，从零开始全新设计，专为推理场景优化

从设计到流片研发仅耗时9个月，OpenAI大模型助力加速研发流程

完善OpenAI全栈平台布局：从产品、大模型正式延伸至芯片自研，入局定制硅片赛道

联合数据中心合作伙伴实现吉瓦级规模部署，产品路线覆盖多代迭代，2026年底启动首次落地

直击AI规模化核心痛点：降低推理成本、提升响应速度、弱化外部GPU依赖

OpenAI造出了属于自己的芯片。

6月24日，OpenAI与博通（纳斯达克股票代码：AVGO）正式联合发布OpenAI首款智能处理器Jalapeño。这款加速器围绕OpenAI对大语言模型推理未来的愿景打造，也是双方共建的多代际计算平台中的首款AI加速器，旨在让前沿AI技术更快、更稳定，惠及更多人群。

博通总裁兼首席执行官陈福阳（Hock Tan）与总裁Charlie Kawwas将Jalapeño正式交付给OpenAI首席执行官萨姆·奥尔特曼（Sam Altman）与总裁格雷格·布罗克曼（Greg Brockman），这一象征性交接标志着OpenAI构建模型与产品底层全栈技术的战略迈出关键一步。

Jalapeño专为推理场景打造——推理是模型训练完成后生成响应的过程，算力消耗高、成本昂贵，是AI业务的核心成本环节。在AI行业，训练环节往往占据舆论头条，但推理才是成本堆积的核心，也是用户能直接感知产品体验的环节。对OpenAI而言，Jalapeño不止是一个硬件里程碑，更释放出明确信号：公司希望进一步掌控AI产业的经济命脉。

技术设计：围绕LLM推理从零打造，全链路协同优化

OpenAI基于对大语言模型底层原理的深度理解，结合自身模型、计算内核、服务系统与产品需求路线图，从零开始设计这款芯片；联合合作伙伴博通与天弘（Celestica），通过芯片工艺实现、板卡与机架系统集成、高性能网络以及可扩展量产体系，推动该平台产业化落地。

其中，博通负责芯片工艺实现，并贡献了包括Tomahawk系列在内的网络芯片技术；天弘则负责板卡、机架与系统级集成工作。凭借对全行业当前及未来AI模型推理需求的深刻洞察，Jalapeño具备灵活适配所有大语言模型的能力。

目前Jalapeño芯片的工程样片已在实验室中以量产目标频率与功耗运行机器学习工作负载，其中包括GPT-5.3-Codex-Spark模型。尽管OpenAI仍在测试最终性能，但早期测试结果表明，Jalapeño的每瓦性能将大幅超越当前业界顶尖水平，详细的性能技术报告将于未来数月发布。

该架构减少了数据搬运，实现了计算、内存与网络资源的均衡配置，让实际利用率更接近理论峰值性能。OpenAI硬件项目负责人Richard Ho表示：“基于与OpenAI研究员紧密协作获得的深度洞察，Jalapeño专为大语言模型推理从零打造。我们围绕前沿AI模型最核心的计算内核、内存搬运、网络与服务模式优化了架构。早期测试显示，Jalapeño能以接近硬件理论极限的效率，运行我们最重要的工作负载。”

全栈优势：打造LLM推理专属平台，强化发展飞轮

Jalapeño是面向现代大语言模型推理的全新设计，并非从早期AI工作负载改造而来的通用加速器。它的设计参考了OpenAI日常运行的ChatGPT、Codex、API及未来智能体产品的系统需求，同时也适配全行业当前与未来的各类大语言模型。其设计目标是兼具当前主流AI加速器的算力与吞吐量，同时将延迟压缩至接近顶尖专用推理系统的水平，完美适配大规模交互式大语言模型产品。

这正是全栈布局的核心优势。OpenAI不仅研发前沿模型、基于模型打造产品，更在设计底层的基础设施：芯片架构、计算内核、内存系统、网络、调度、部署系统与产品体验。正因为OpenAI覆盖了全技术栈，每一层都能围绕同一目标优化：让模型更快、更稳定，用户使用成本更低。

Jalapeño将强化OpenAI发展的飞轮效应：更优质的基础设施提升算力效率，更高的算力效率优化训练与推理服务，最终支撑能力更强的AI模型；更强大的模型转化为面向个人、开发者与企业的更优质产品；更好的产品带来更高的使用量、更多的客户与营收，让OpenAI得以再投入下一代基础设施研发。长此以往，这一循环将让智能能力不断升级、更稳定，同时使用成本持续降低，惠及所有人。

9个月极速流片：AI反哺硬件研发，开启正向循环

Jalapeño从初始设计到量产流片，联合研发仅耗时9个月。OpenAI称这一速度是高性能先进半导体领域有史以来最快的专用集成电路（ASIC）开发周期之一。这一速度得益于OpenAI工程团队深度的软硬件协同开发、博通的芯片实现技术积累，以及OpenAI大模型对部分设计与优化流程的加速作用。

这一细节是本次发布最具行业想象力的部分：面向用户提供服务的同款大模型，正在助力优化未来模型运行所需的基础设施。如果AI能帮助工程师更快设计出更优质的芯片，就能降低全行业的算力成本，形成“AI设计硬件-硬件支撑更强AI”的正向反馈循环，最终推动前沿AI技术的普惠化。

多代际平台布局：2026年底启动吉瓦级规模部署

Jalapeño是多代际计算平台的第一步。该平台整合了OpenAI设计的加速器、博通的芯片实现、网络与连接技术，以及天弘的板卡、机架与系统集成能力，计划于2026年底完成首次部署，并在未来数年持续扩容迭代。

博通总裁兼首席执行官陈福阳表示：“我们与OpenAI的合作，是对未来十年AI发展所需实体基础设施规模化建设的核心承诺。这只是多代产品路线图的开端。通过与OpenAI直接联合开发业界领先的芯片，我们将从2026年起，联合微软及其他合作伙伴，落地吉瓦级规模的数据中心。”

OpenAI总裁兼联合创始人格雷格·布罗克曼表示：“世界正迈向算力驱动的经济形态。Jalapeño是我们长期全栈基础设施战略的一部分，目标是让算力供给更充足，进而让AI更快、更稳定，让个人与企业都能用得起，并且能用来解决更多重要问题。通过自主设计更多技术栈环节，我们能以更高效率提供更多智能能力，持续推动前沿AI技术走向更广泛的普及。”

行业变局：AI竞赛从模型比拼转向全栈基础设施战争

此次发布意味着OpenAI深度加入了正在重塑行业格局的定制芯片竞赛。谷歌拥有TPU系列，亚马逊推出了Trainium与Inferentia芯片，Meta已深耕自研AI硬件多年，微软也有Maia芯片。而此前长期被视作纯模型公司的OpenAI，如今正式公开进军芯片设计领域——AI行业的领军之争，正从单纯的模型质量比拼，转向更硬核的底层技术栈掌控权之争。

底层技术栈正在成为真正的战场。芯片、电力、数据中心、网络、部署系统，以及服务数十亿次提示请求的成本，其重要性已经与模型本身不相上下。对于实时关注AI市场演变的创业公司而言，Jalapeño再次印证：行业早已脱离炫技演示阶段，正式进入基础设施攻坚战。

每瓦性能的提升之所以关键，是因为它直接指向AI行业的核心痛点：如何在持续升级模型能力的同时，避免算力成本失控。当产品规模化落地后，推理环节是AI企业的主要成本支出。更优秀的推理芯片意味着更快的响应速度、更低的运营成本、更稳定的容量供给，以及对外部供应商更低的依赖。对OpenAI而言，这将直接转化为更低的API调用成本、需求高峰时更稳定的服务可用性，以及将前沿模型推向主流产品的更大空间。

背景澄清：本次晶圆与此前内存晶圆、晶圆级计算并非同一事项

本次发布的芯片晶圆相关消息，与市场此前热议的主流“晶圆传闻”并非同一事件。

2025年末（10-12月）占据行业讨论焦点的重磅晶圆新闻，是OpenAI为星门（Stargate）项目与三星、SK海力士达成的巨额原始DRAM/内存晶圆采购协议。这批订单对应每月数十万片未切割的DRAM/HBM晶圆（月产能最高约90万片，预计占全球DRAM总产量的40%）。OpenAI直接采购未完成加工的原始晶圆、而非成品封装模组，目的是为其超大规模数据中心建设锁定内存供给。这一动作当时引发了大量市场讨论与争议，核心围绕囤货、供应链话语权与行业价格影响等议题。

Jalapeño是OpenAI自研的定制推理ASIC（专用集成电路），采用传统裸片架构而非晶圆级设计，由OpenAI与博通联合开发，目标是针对自身大语言模型服务工作负载，实现更优的成本、性能与能效比。这是OpenAI多线并行算力战略的一环：自研定制芯片 + Cerebras等合作伙伴算力采购 + 微软集群等多元布局。

如今本次亮相的晶圆用途已经完全明朗——它们正是当前处于测试阶段的Jalapeño样片，计划2026年末启动吉瓦级规模量产部署。此前流传的晶圆级计算、Cerebras合作相关消息，对应的是OpenAI向后者采购算力容量，和这款自研芯片并无关联。这批晶圆已经没有太多悬念，就是行业常规的“首颗流片成功”的实力亮相。

价值落地：基础设施升级最终指向用户体验

这项工作的核心意义很简单：推理是AI触达用户的核心环节。成本、速度与稳定性的每一点提升，都能转化为更快的ChatGPT回复、更少等待就能完成更多步骤的Codex任务、更低开发成本的API产品，以及高需求时段更稳定的访问体验。

AI普惠意味着让前沿模型足够易用、稳定、平价，让更多人能日常使用。Jalapeño将助力OpenAI把更多基础设施能力转化为实用的智能服务，覆盖学生、开发者、中小企业、科研人员、企业机构，以及所有想要学习、创造、解决难题的人群。

事件传递的核心行业趋势显而易见：AI行业的领军地位，不再只取决于谁的模型更智能。它更取决于谁能负担得起模型的规模化运行、谁能保持低延迟、谁能在GPU短缺时不受冲击、谁能避免推理成本吞噬全部营收。

OpenAI的首款定制芯片无法一夜之间解决所有问题，但它清晰指明了行业下一阶段的竞争方向：AI竞赛的下半场，胜负将在基础设施层面见分晓。