科技虎嗅·第一新声··AI 生成
OpenAI首颗自研芯片“辣椒”问世：9个月光速成功背后，英伟达最怕的事正在发生
OpenAI 宣布其首颗自研芯片“Jalapeño”成功流片，定位为专为大模型推理设计的“智能处理器”，而非训练芯片。文章核心观点是，OpenAI 通过软硬件协同与 AI 辅助设计，将芯片开发周期压缩至行业罕见的 9 个月，并以此作为构建“全栈”能力的关键一步。作者认为，此举是 OpenAI 摆脱对英伟达和微软算力依赖的战略信号，但对芯片真实性能数据、长期投入成本及训练环节的依赖问题着墨不多。适合关注 AI 基础设施、芯片行业格局及大厂技术战略的读者阅读。原文 ↗原文 ↗
核心观点
- ▍Jalapeño芯片的战略意图比芯片本身更重要：这是OpenAI构建从模型到芯片的“全栈”能力、降低对英伟达和微软算力依赖的关键一步。
- ▍OpenAI采用“减法策略”，专门针对推理场景优化芯片，回避了短期内更烧钱、技术壁垒更高的训练芯片市场。
- 01Jalapeño仅耗时9个月流片，被OpenAI称为“史上最快的高性能先进半导体ASIC开发周期”，远低于Google TPU（18个月起步）和Apple M系列（24-36个月）的传统周期。
- 02加速设计的关键手段包括：与博通团队紧密协作实现软硬件协同开发，以及利用OpenAI自家的AI模型辅助芯片设计中的验证、debug和布局布线环节。
- 03项目负责人Richard Ho曾担任谷歌TPU高级工程总监近九年，将“AI辅助芯片设计”方法论带入OpenAI。
- 04博通CEO陈福阳声称，Jalapeño相比典型AI GPU能带来约50%的成本节省，其核心优化方向是解决推理的内存带宽瓶颈。
- 05文章梳理了科技巨头自研芯片的时间线：2016年谷歌TPU、2018年亚马逊Inferentia、2023年微软Maia、2026年OpenAI Jalapeño，暗示英伟达客户正转向竞争对手。
- 06OpenAI制定了多代芯片路线图，目标到2029年提供10GW算力，并计划从2026年开始部署吉瓦级数据中心。
反方 / 局限
- — 文章指出，9个月流片的说法需要审慎看待，因为行业没有公开的“最快”标准，且可能暗示OpenAI在此之前已有暗中布局。
- — Jalapeño仅用于推理，训练环节仍高度依赖英伟达，后者所在的训练芯片市场利润更高，自研推理芯片的战略天花板可能较低。
- — 作者引用了苹果自研芯片的例子：苹果花了10年、烧了几十亿美元才追上Intel，暗示OpenAI的自研之路同样面临巨大投入和时间考验。
前置背景
平行视角
未来推演
延伸追问