6.6
深览指数
科技微博·极客公园··AI 生成
OpenAI，开始造芯片了
OpenAI 与 Broadcom 联合宣布，历时九个月流片（tape-out），成功制造了名为「Jalapeño」的推理专用芯片。该芯片定位为 LLM 优化的推理加速器，据称单位功耗性能明显优于当前最先进硬件，成本可降低约 50%。文章分析了 OpenAI 作为自研芯片的后来者，选择从推理侧而非训练侧突破的战略逻辑，并通过与 Google TPU、Amazon Inferentia 的对比，指出了其在软件生态和量产能力上的长期挑战。适合关注 AI 基础设施、芯片产业、以及 OpenAI 商业化的读者阅读。原文 ↗
核心观点
- ▍OpenAI 自研芯片 Jalapeño 的战略核心是控制推理成本，为盈利铺路，并回应资本市场对 IPO 的期待。
- ▍Jalapeño 是一款「推理芯片」，而非「训练芯片」，这一定位是 OpenAI 在当前英伟达在训练市场结构性优势下的务实突破口。
- 01Jalapeño 从设计到流片仅用时九个月，大幅压缩了行业常规两到三年的周期，部分归功于 OpenAI 用自家模型辅助了芯片设计（EDA）流程。
- 02Broadcom CEO 声称，与典型 AI GPU 相比，Jalapeño 的成本可降低约 50%；但第三方基准测试和对比细节均未公开。
- 03OpenAI 与 Broadcom 合作，而非独立设计，因为 Broadcom 是全球最大的定制 ASIC 合作方之一（如谷歌 TPU 即由其量产），这是短期内拿到可用产品的最优路径。
- 04Jalapeño 专注于针对 Transformer 架构的注意力机制做专门优化，以在内存带宽和访存模式上与 GPT 系列模型深度匹配。
- 05计划 2026 年底前开始初步部署，说明芯片仍处于验证阶段，距大规模量产尚远。
- 06OpenAI 近期密集布局基础设施与企业市场动作：扩大企业网络、推出顾问认证项目、收购咨询公司 Tomoro、招募人才（如 Noam Shazeer）。
- 07与同行对比，OpenAI 是明显的后来者：谷歌 TPU 始于 2015，亚马逊 Inferentia 发布于 2019，微软 Azure Maia 发布于 2023。
反方 / 局限
- — 第三方基准测试和与哪款芯片对比的具体信息缺失，性能与成本优势尚无独立验证，Tom's Hardware 已对此提出质疑。
- — 芯片从流片到大规模量产，良率、供应链、软件生态（尤其是 CUDA 生态迁移成本）是重大挑战，谷歌和亚马逊都用了近十年迭代才成熟。
OpenAIBroadcomJalapeño英伟达Hock TanGreg BrockmanNoam ShazeerGoogle TPUAmazon InferentiaAzure MaiaCUDATomoro
5 分钟 · 4 卡片 · 12 资料
读原文 →