北京时间2026年6月24日晚间，OpenAI正式发布旗下首款自研AI推理芯片，代号Jalapeño——西班牙语里的“墨西哥辣椒”。

这颗芯片从一张白纸到流片成功，全程仅耗时9个月，创下高性能先进半导体领域最快的ASIC开发周期。

更令人震惊的是——帮它加速设计的，正是OpenAI自家的AI模型。

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。闭环就此形成。

“辣椒”不辣，但野心很辣

Jalapeño是墨西哥辣椒里辣度最温和的品种之一。OpenAI用它命名第一颗芯片，潜台词耐人寻味：这只是入门级，后面还有更辣的。

这颗芯片的官方定位叫“Intelligence Processor”（智能处理器），一颗专为大语言模型（LLM）推理场景设计的定制ASIC。

注意，它不是训练芯片。

训练让AI变聪明，推理让AI给你干活。你每天和ChatGPT聊天、用Codex写代码、调用模型API做产品，背后消耗的全是推理算力。训练是阶段性的工程，推理是每天都在发生的持续消耗——用户越多、调用越频繁，芯片、服务器和电力的账单就越惊人。

OpenAI选择先啃这块最花钱的硬骨头，逻辑清晰。

在分工上，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，亲手将首批工程样片交到了Sam Altman和Greg Brockman手中。

9个月，凭什么这么快？

先进半导体行业，一颗高性能ASIC通常要18到24个月。谷歌TPU两年一代，亚马逊Trainium也是这个节奏。

OpenAI把周期压缩了一半。

第一把钥匙：AI帮自己设计芯片。

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。OpenAI直接用自己的模型去加速这部分流程——读历史设计数据、生成RTL代码、辅助验证和debug、优化布局布线。

用最懂LLM运行规律的模型，来设计专门跑LLM的硬件。

第二把钥匙：人。

OpenAI硬件项目负责人Richard Ho，正是从谷歌TPU团队走出来的。他在谷歌工作近九年，是Cloud TPU项目的核心工程师，参与发明了机器学习设计芯片架构的方法。OpenAI挖他来，就是为了把“AI辅助芯片设计”嫁接到自家模型上。

据此前报道，OpenAI芯片团队规模已扩展到约40人。

性能到底怎么样？

OpenAI官方的说法比较克制：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“大幅优于”当前最先进水平，详细技术报告将在未来几个月发布。

但博通CEO陈福阳在接受路透社采访时，话就说得更直了：

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%。

不过这个数据目前仍是公司高管口径，未经第三方独立验证。

在架构层面，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概括：“你必须为模型将要去的方向设计硬件，而不是为模型今天所在的位置。”

Jalapeño不是拿旧AI芯片改造的，而是围绕大模型从零设计——参考的就是OpenAI每天在ChatGPT、Codex、API及未来Agent产品上跑的真实系统。

而且它兼容全行业的LLM，不只能跑OpenAI自己的模型。

为什么自己造芯片？

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“永远无法足够快地获取算力”。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，但随着推理成本飙升、供应链不确定性加剧，单一供应商模式的风险越来越大。

更深的野心是：全栈控制权。

OpenAI在官宣博客中写道，公司正在设计模型底下的基础设施——芯片架构、内核、内存系统、网络、调度和部署系统，每一层都围绕同一个目标优化。

更好的基础设施→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。

这个飞轮一旦转起来，就很难停下来。

布罗克曼说：“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。”

部署计划：2026年底起步，2028年上量

Jalapeño计划2026年底开始部署，2027年放量，2028年上半年全速运转。

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陈福阳说，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。

结语

OpenAI造芯片，不是第一个。谷歌有TPU，亚马逊有Trainium，微软有Maia，Meta有MTIA。

但OpenAI是用AI自己设计芯片的那一个。

9个月从零到流片，AI帮自己画电路图，瞄准的是推理赛道上最大的成本痛点。这条路能不能走通，还要等大规模部署后的验证。但有一点已经很清楚：

AI竞赛的下半场，拼的不只是模型有多聪明，更是基础设施有多能打。谁能在“算力—模型—产品—收入”的飞轮上转得最快，谁就能把先进AI真正变成普通人用得起的日常工具。