科技 TechCrunch · Theresa Loconsolo · 4小时前 · AI 生成
从 OpenAI 到 SpaceX 为什么都在自研芯片 英伟达在 AI 芯片市场的主导地位正面临挑战。OpenAI 联合博通推出了自研推理芯片 Jalapeño，成为继谷歌、苹果、SpaceX 后又一家走向定制芯片路线的公司。文章指出，自研芯片的核心动机不是彻底摆脱英伟达，而是对冲单一供应商风险，获得硬件定制化性能和更强控制力。适合关注 AI 产业上下游格局、芯片供应链策略的从业者阅读。原文 ↗ 原文 ↗
核心观点
▍ 多家科技巨头自研芯片的核心动机不是完全脱离英伟达，而是对冲单一供应商风险，获得更定制化的硬件性能。 01 OpenAI 联合博通推出了自研推理芯片 Jalapeño，加入自研芯片行列。 02 此前谷歌、苹果、SpaceX 等公司已进行了类似的定制芯片自研。 03 苹果自研芯片（M系列）脱离英特尔后获得了显著的性能提升，成为行业参照案例。 反方 / 局限
— 文章未提及自研芯片的巨大投入（研发、流片、产能）以及定制化带来的生态绑定与新风险。
概念锚点 Jalapeño 为何是「推理专用」芯片
Jalapeño 不是用来训练 GPT 的，而是专为「推理」设计。推理是用户每次提问时，模型在后台生成答案的计算过程——它追求低功耗、低成本和高并发。OpenAI 的这款 ASIC 芯片抛弃了通用 GPU 的冗余设计，从零构建数据流架构，减少数据搬运，使每瓦性能大幅领先。其研发周期仅 9 个月，创下高性能 ASIC 最快纪录，部分设计还借助了 OpenAI 自家的 AI 模型辅助。
▸ 3 条关联资料
▼
前置背景 苹果自研芯片的路线图
苹果自研芯片是这波风潮的先行者。2020 年推出的 M1 芯片，让 Mac 摆脱了英特尔，实现了性能与能效的巨大飞跃，同时催生了 M 系列家族。到 2026 年，M5 系列芯片已发布，标志着苹果完全掌控了核心硬件。这一成功，为后来者验证了「定制芯片」的战略价值——不仅能提升性能，还能规避单一供应商风险，并深度绑定软硬件生态。
▸ 3 条关联资料
▼
平行视角 自研芯片的另一面：高投入与生态壁垒
自研芯片并非只有光明前景，它同样面临巨大风险。一颗先进制程芯片的研发成本动辄数十亿美元，流片失败则前功尽弃。更关键的是，即便芯片造出来了，还要面对英伟达 CUDA 生态的「软壁垒」——500 万开发者习惯的代码无法直接迁移，需投入大量人力重塑软件栈。小米的澎湃 S1 因性能与市场表现不佳，7 个月就退出市场，正是这一风险的现实注脚。
▸ 3 条关联资料
▼
未来推演 Jalapeño 的落地里程碑
OpenAI 的 Jalapeño 芯片已明确时间表：2026 年底完成大规模部署，全面承载 GPT 全系服务。更早的实验室测试显示，其推理成本比现有 GPU 降低约 50%。这意味着到 2027 年，ChatGPT 的响应速度可能从「秒级」降至「亚秒级」，订阅价格也可能下降。但最终能否稳定兑现这些承诺，仍需等大规模商用验证。
▸ 3 条关联资料
▼
延伸追问 自研芯片浪潮的真正驱动力
文章核心讲的是「对冲单一供应商风险」，但更值得追问的是：当 OpenAI、谷歌、苹果、SpaceX 都开始自研芯片后，英伟达的统治地位是否会动摇？答案可能取决于两个关键变量：一是定制芯片的软件生态能否在 2-3 年内追上 CUDA 的成熟度；二是超大规模云厂商（如谷歌、亚马逊）的自研芯片，是否会反过来挤压独立芯片公司和初创公司的生存空间。这背后是一场关于「算力主权」的博弈。
▸ 2 条关联资料
▼