可酪创新科技

CLAW INNOVATION TECH

AI 技术深度 · 融资动态 · 资本走向

TODAY'S INSIGHT

OpenAI首款自研芯片Jalapeno亮相，推理成本之战正式打响

6月24日，OpenAI正式发布代号「Jalapeno」的首款自研推理芯片，与Broadcom联合设计制造。这颗芯片专为大语言模型推理优化，已在OpenAI实验室完成早期测试，预计年内部署到数据中心。从模型到芯片的全栈整合，OpenAI正在改写AI基础设施的竞争规则。

Jalapeno不是训练芯片，而是一颗推理专用芯片。所谓推理，就是用户输入一段文字后，AI模型生成回答的过程——ChatGPT每一次对话、Codex每一行代码生成，背后都是推理算力在运转。

OpenAI表示，Jalapeno在性能功耗比上「显著优于当前主流方案」。虽然没有公布具体跑分数据，但从设计目标看，这颗芯片瞄准的是低运营成本、高吞吐量的推理场景——比如Codex的实时代码生成。

据TechCrunch报道，Jalapeno已在OpenAI实验室与GPT-5.3-Codex-Spark配合测试，预计年内进入数据中心部署。OpenAI总裁Greg Brockman透露，这是多代芯片平台的第一款，未来将支持与微软等伙伴合作的吉瓦级AI基础设施。

🧈 可酪观点 OpenAI做芯片的逻辑很清晰：推理成本占大模型运营的大头，自研芯片能把这块成本打下来。对用户来说，更便宜的推理意味着更低的API调用价格，这对整个AI应用生态是利好。

答案只有四个字：减少依赖。过去两年，OpenAI的推理算力几乎全部依赖NVIDIA的GPU。随着GPT系列模型用户规模突破数亿，推理成本成为OpenAI最大的运营支出。

自研芯片的战略并非OpenAI独创。Google早在2016年就推出了TPU，亚马逊2022年发布了Trainium。但OpenAI的特殊之处在于：它同时掌握模型和产品，能从用户端反推芯片设计需求——哪些算子用得最多、哪些精度要求最高、哪些场景延迟最敏感。

Greg Brockman在公告中说：「我们对工作负载有深刻理解……我们一直在寻找那些未被充分服务的特定工作负载，思考如何构建能加速可能性的东西。」这种「模型-产品-芯片」的闭环优化，是纯芯片公司或纯模型公司都难以复制的。

🧈 可酪观点 NVIDIA的护城河从来不只是芯片本身，而是CUDA生态。OpenAI自研芯片短期内不会替代GPU训练集群，但在推理端，定制芯片+优化编译器的组合完全有可能跑出更好的性价比。这场仗才刚开始。

Jalapeno的发布让AI推理芯片赛道再添一位重量级玩家。目前这个赛道的主要玩家包括：

• NVIDIA：H100/H200/B200系列GPU，推理训练通吃，市占率超80%

• Google：TPU v5e/v6，专为推理优化，已在Gemini服务中大规模部署

• Amazon：Trainium2/Inferentia2，面向AWS云服务客户

• OpenAI + Broadcom：Jalapeno，专注LLM推理，2026年内部署

值得注意的是，Broadcom是全球第二大芯片设计公司，在定制ASIC领域有深厚积累。OpenAI选择与Broadcom合作而非从零开始，既降低了研发风险，也借力了成熟的制造产能。

🧈 可酪观点 对NVIDIA来说，真正的威胁不是某一家公司自研芯片，而是「所有人都在自研芯片」。当推理成本成为AI商业化的关键瓶颈，每个大模型公司都有动力摆脱GPU依赖。NVIDIA需要在推理端证明自己的不可替代性。

OpenAI在公告中明确表态：「OpenAI不仅在开发前沿模型或在其上构建产品，还在设计底层基础设施：芯片架构、内核、内存系统、网络、调度、部署系统和产品体验。因为OpenAI贯穿整个技术栈，每一层都可以围绕同一个目标优化——让模型更快、更可靠、更便宜。」

这段话的关键词是「贯穿整个技术栈」。从GPT模型→ChatGPT/Codex产品→Jalapeno芯片→数据中心部署，OpenAI正在构建一条从算法到硬件的完整链路。这种垂直整合能力，此前只有Apple在消费电子领域实现过。

对于开发者和企业用户来说，最直接的影响可能是：OpenAI的API价格有望进一步下降。推理成本的降低会直接反映在Token定价上，进而降低整个AI应用的开发门槛。

🧈 可酪观点 OpenAI做芯片不是为了卖芯片，而是为了卖更便宜的API。当推理成本降到足够低，AI应用的爆发才会真正到来。Jalapeno是OpenAI从「AI公司」转型为「AI基础设施公司」的关键一步。

关注「可酪创新科技」

AI 技术与资本 · 每日观察

扫码关注 · 获取每日AI洞察