OpenAI造了自己的芯片：一颗叫Jalapeño的辣椒能改变什么

软件公司，决定造硬件#

那是一个所有 AI 公司都绕不开的时刻：算力账单越来越烫手，而供应端只有 Nvidia 一家说了算。

OpenAI 做出了一个在硅谷历史上反复出现过的决定：自己造芯片。2026 年 6 月，这家以 ChatGPT 闻名的公司正式公布了代号为”Jalapeño”的第一款自研推理芯片。名字很辣，意图更辣，从依赖走向自主。

这颗芯片并非横空出世。OpenAI 与 Broadcom 合作完成设计，目标非常聚焦：AI 推理，也就是运行模型回应用户查询的过程，而非训练。训练依然需要 Nvidia 的 H100/B200 集群，但推理是每天数十亿次请求消耗的战场。一颗专为推理优化的芯片，能把每一分钱都烧在刀刃上。

辣椒的辣度：性能功耗比#

早期测试数据指向一个核心亮点：性能功耗比显著优于当前市面上的替代品。

细节没有全公开，但逻辑很清楚。通用 GPU 为并行矩阵乘法做了大量冗余设计，而一个只跑 Transformer 推理的芯片可以精简掉很多不必要的电路。OpenAI 对自家模型的计算图谱了然于胸。Greg Brockman 说得很直白：“我们比任何人都了解自己的负载，为什么不造一个能加速它的东西？”

芯片架构、底层内核、内存系统、网络互连、调度逻辑、部署流程，OpenAI 选择全栈自研。这不仅仅是芯片本身，而是围绕芯片的一整套基础设施。Google 有 TPU，Amazon 有 Trainium 和 Inferentia，现在 OpenAI 有了 Jalapeño。

成本账与战略棋#

推理成本哪怕降低一丁点，乘以 ChatGPT 和 API 的数亿次调用，都会变成一根救命稻草。

OpenAI 的运营成本结构里，推理占比极高。每一代新模型更大、更强，但单位查询的推理成本也在飙升。如果 Jalapeño 能将推理成本压缩到 Nvidia 方案的几分之一，OpenAI 就不必在定价和体验之间做痛苦的权衡。保持免费用户、压低 API 价格、支撑长上下文，这些战略优势都建立在算力成本之上。

更深层的问题是战略自主权。GPU 供应链紧张时，谁先拿到货谁就领先。拥有自己的芯片，意味着不再被晶圆厂的排期和 Nvidia 的路线图牵着走。OpenAI 可以在芯片层面直接迭代，让硬件适配模型，而非让模型将就硬件。

芯片之后的想象力#

一颗 Jalapeño 当然不够。芯片从流片到量产再到大规模部署，中间隔着无数工程沟壑。但方向已经清晰：AI 行业的竞争，正从模型层下沉到基础设施层。

过去两年，OpenAI 把大量资源投向了推理优化，从模型蒸馏到 KV 缓存压缩，从 batching 策略到 speculative decoding。Jalapeño 是这条路的终点：软件优化做到了极致，于是硬件来接力。

站在 2026 年的夏天回看，那一天一个软件公司决定造芯片。GPU 当然够用，但算力本身就是护城河。而这条护城河，不能让别人来挖。

来源：TechCrunch