OpenAI首款AI芯片Jalapeño正式发布：9个月流片，推理成本降低50%

2026年6月24日，OpenAI与博通（Broadcom）联合发布OpenAI首款AI芯片Jalapeño，这是一款专为大语言模型（LLM）推理设计的专用集成电路（ASIC）。该芯片从架构设计到流片仅用时9个月，创下高性能ASIC领域最快开发周期纪录。早期测试显示，Jalapeño的每瓦性能显著优于当前最先进水平，推理成本相比传统AI GPU降低约50%，性能与英伟达Blackwell芯片和谷歌TPU处于同一水平。OpenAI计划于2026年底在微软等合作伙伴的数据中心启动吉瓦级部署。Jalapeño的发布标志着OpenAI正式从模型开发商向全栈AI基础设施厂商演进。

一、发布背景：算力饥渴催生的自研芯片之路

1.1 OpenAI的算力困境与推理成本压力

OpenAI正经历前所未有的算力饥渴。据财务文件显示，OpenAI在2025年上半年仅在推理上就消耗了50.2亿美元，2024年全年这一数字为37.6亿美元。2025年全年，OpenAI总支出高达340亿美元，而收入仅130亿美元。粗略计算，这家全球估值最高的AI公司每获得1美元收入，需要花费约1.35美元。成本的大头并非研发或人力，而是每秒钟都在燃烧的推理算力。

OpenAI首席财务官Sarah Friar已在内部发出警告：如果收入增速追不上数据中心合同的扩张速度，到2028年算力成本可能飙升至850亿美元。OpenAI给自己设定的目标是到2030年累计投入6000亿美元用于算力建设。ChatGPT周活跃用户已超过9亿，Codex用户超过400万。随着用户规模持续扩大和智能体产品上线，推理侧的算力消耗和成本压力正在快速攀升。

1.2 行业趋势：AI公司集体走向自研芯片

OpenAI并非第一个走定制芯片路线的AI公司。全球最大的几家科技公司都在做同一件事：自研AI芯片。Google从2015年就开始打造TPU，到2026年已迭代至第八代。Anthropic在2025年11月签下了Google历史上最大的TPU订单，承诺2026年部署数十万颗Trillium TPU。亚马逊的Trainium已发展到第三代，部署在AWS自建数据中心中；微软有Maia系列，Meta有MTIA。

为什么大家都在造芯片？原因很简单：GPU是通用武器，而AI工作负载是专用的。当一家公司知道未来几年其AI模型将消耗数十亿次推理计算时，造一颗只干这一件事的芯片就成为必然选择。从大洋彼岸的OpenAI、Anthropic，到国内的前沿AI实验室，自研芯片在2026年已经从个别选择变成了行业的默认动作。

对OpenAI而言，自研芯片不只是为了压低算力成本，更是为了掌握算力供应、优化模型架构，并在下一轮AI基础设施竞争中获得更强的主动权。正如OpenAI总裁Greg Brockman所说：“世界正在迈向由计算驱动的经济。”

1.3 从“买铲子”到“拥有矿山”

如果说英伟达是在卖铲子，那么OpenAI想拥有自己的矿山。OpenAI CEO Sam Altman这两年反复谈论芯片、能源、核聚变和数据中心，他已经不再用AI创业公司的方式规划OpenAI了。2024年底，当Altman在内部提出要自己造芯片时，几乎所有人都认为这是典型的OpenAI式野心——宏大、昂贵、生死未卜。毕竟全球市值最高的芯片公司英伟达估值超过3万亿美元，而当时的OpenAI年收入刚突破100亿美元。

然而，18个月后，Jalapeño来了。

二、Jalapeño芯片的技术架构与设计理念

2.1 定位：专为LLM推理而生的ASIC

Jalapeño是一款专用集成电路（ASIC），主要面向AI推理场景。所谓推理，就是当用户向ChatGPT提问、让Codex执行编码任务时，后台真正处理请求的环节。与GPU作为通用加速器不同，Jalapeño并非在早期AI加速器基础上改造而来，而是围绕大语言模型的推理需求从零开始进行原生设计。

OpenAI将Jalapeño称为“Intelligence Processor”（智能处理器），而不是业内更常见的“AI加速器”。这个命名暗示了其产品定位：它并非通用芯片，而是一颗围绕大语言模型推理场景设计的专用处理器。

Jalapeño是为现代LLM推理从零开始设计的产品，而不是从早期AI工作负载改造而来的通用加速器。它的设计参考了OpenAI每天在ChatGPT、Codex、API以及未来智能体产品中运行的系统，同时也面向业界当前和未来的LLM。其目标是将当今领先AI加速器的算力和吞吐量，与接近最快专用推理系统的延迟结合起来。

2.2 架构核心：减少数据搬运，逼近理论峰值

Jalapeño的架构设计围绕一个核心原则展开：减少数据搬运，使实际利用率更接近理论峰值性能。通用芯片的纸面性能是100分，但实际往往只能发挥六七十分，剩下的都在数据搬来搬去的路上耗掉了。Jalapeño的架构就是要减少数据搬运，把算力、内存、网络几样资源配平。

具体而言，该架构减少了数据移动，并平衡了计算、内存和网络资源，使实际利用率更接近理论峰值性能。OpenAI硬件负责人Richard Ho表示：“我们围绕对前沿AI模型最关键的内核、内存搬移、网络和服务模式优化了架构。”根据早期测试，Jalapeño将能高效执行最重要的工作负载，并接近硬件的理论极限。

在物理实现层面，Jalapeño采用脉动阵列（systolic array）架构，搭配高带宽内存（HBM）。从芯片封装照片来看，一颗大型计算芯片被六个或八个HBM模块环绕。这种布局旨在最大化数据吞吐量，同时最小化延迟。OpenAI在数据搬运路径、计算与存储配比上做了专门优化。

2.3 制造工艺：台积电3nm制程

据供应链消息，Jalapeño芯片基于台积电3nm工艺制程，由台积电负责前端的晶圆代工。而OpenAI与博通的第二代AI ASIC项目则有望导入台积电A16节点，利用背面供电带来的密度与性能提升。

2.4 九个月流片：AI参与设计自己的硬件

本次发布中最引人注目的是研发速度。据Greg Brockman透露，Jalapeño从最初的架构设计到完成制造流片（tape-out），全程仅耗时约九个月。这个速度在高性能半导体行业相当罕见。作为对比，Google第一代TPU从架构到流片大约花了三年，传统芯片公司的同等规模项目通常需要五到七年。OpenAI在公告中直言：“我们相信这是高性能先进半导体领域有史以来最快的ASIC开发周期。”

如此快的开发速度背后有两个关键因素。一是OpenAI自身的AI模型深度参与了芯片设计流程。Brockman表示，模型在加速设计优化方面的表现“令团队自己都感到惊讶”。换句话说，AI正在帮助设计运行自己的硬件。二是团队经验。OpenAI硬件负责人Richard Ho此前在Google工作近九年，是Cloud TPU项目的核心工程师，曾主导多代TPU从概念走向量产。他在2023年底加入OpenAI后迅速组建团队，芯片团队规模已扩展到约40人。

2.5 设计哲学：为模型将要去的方向设计硬件

Richard Ho曾用一句话概括这颗芯片的设计哲学：“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。”在他看来，这不是单纯的芯片工程，而是一个系统工程，涵盖硅片、机架、网络、供电、散热和数据中心的完整链条。

Jalapeño具备灵活设计，可适配所有LLM，其设计基于OpenAI对业界当前和未来AI模型推理需求的洞察。Jalapeño芯片的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工作负载，包括GPT-5.3-Codex-Spark。

三、性能表现与成本优势

3.1 性能定位：与Blackwell和TPU同台竞技

关于性能，OpenAI的说法相对谨慎：早期测试显示，Jalapeño每瓦性能将“大幅优于当前最先进水平”，具体技术报告将在未来数月发布。但博通CEO陈福阳（Hock Tan）在接受路透社采访时就比较直接。他表示，Jalapeño的性能已经与英伟达Blackwell系列和Google TPU处于同一水平。

陈福阳表示，Jalapeño在推理任务上的性能与英伟达Blackwell芯片和谷歌TPU相当。虽然目前尚未公开任何具体的性能基准数据，但行业分析人士根据Google第八代TPU中最高性能的TPU 8t（12.6PFLOPS）来推算，Jalapeño的理论算力或许在13PFLOPS左右。不过，如果从Jalapeño的推理用途出发，其算力更有可能落在10PFLOPS附近，毕竟要兼顾效率和功耗。

3.2 成本优势：推理成本降低约50%

在成本方面，Jalapeño展现出显著优势。据彭博社报道，陈福阳透露早期内部测试显示，相较于当前主流AI GPU，Jalapeño可实现约50%的推理成本节省。对于每天处理数亿次API调用和ChatGPT请求的OpenAI而言，即使推理成本的边际下降也会显著改善其财务状况。

这一成本优势源于ASIC的专用性。与通用GPU不同，ASIC可编程灵活性更低，但可针对AI专属任务深度优化，成本优势显著。Jalapeño去掉了通用硬件中不必要的训练逻辑，将全部晶体管资源用于优化LLM推理。一旦推理工作负载稳定下来，专用芯片在经济学上会碾压通用硬件。

3.3 每瓦性能：能效的显著提升

OpenAI表示，虽然仍在测量最终性能，但早期测试显示Jalapeño的每瓦性能将显著优于当前最先进水平。这一指标对于大规模数据中心部署尤为关键。Jalapeño架构减少了数据移动，并平衡计算、内存和网络资源，使实际利用率更接近理论峰值性能。每瓦特电能都能被更有效地转化为有用的推理计算。

四、多代计算平台与部署规划

4.1 多代计算平台：不止一颗芯片

Jalapeño是多代计算平台的第一步。OpenAI与博通共同打造的多代计算平台，计划2026年底先部署起来，之后几年接着扩。整个平台是OpenAI设计的加速器，加上博通的芯片实现、网络和连接技术，再加Celestica的板卡、机架、系统能力。

博通不仅获得了OpenAI的长期采购承诺，更重要的是验证了自己的ASIC设计平台可以服务全球最前沿的AI公司。陈福阳表示，两家公司已制定多代芯片路线图，下一代产品预计2028年推出，此后每年迭代一次。OpenAI已在招聘SoC架构师，以开发下一代定制AI硅片。

4.2 部署时间表：2026年底起步

部署时间表上，OpenAI计划在2026年底前启动初步部署。陈福阳对CNBC表示，年底会进行“小规模原型部署”，2027年开始放量，2028年上半年全速运转。配套服务器将由天弘科技（Celestica）生产，芯片和服务器均不对外销售，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计划将Jalapeño芯片与博通提供的网络设备部署于定制服务器机架中。博通的Tomahawk网络芯片在量产部署中扮演关键角色。博通Tomahawk 6交换芯片于2026年3月进入量产，是业界首款102.4太比特每秒的以太网部件。

4.3 吉瓦级规模：基础设施的宏大蓝图

OpenAI计划在微软等合作伙伴的数据中心进行吉瓦级部署。陈福阳预计，与OpenAI的合作应该能超出他此前有关2026年部署1.3吉瓦芯片的预测。OpenAI目前实际运营的算力刚刚超过2GW。而就在发布Jalapeño之前的三周内，OpenAI已宣布了约33GW的计算资源承诺，合作伙伴横跨英伟达、AMD、Oracle、Cerebras和博通。Altman说得直白：“即使我们现在有30GW，用户需求也会很快把它填满。”

OpenAI的长期目标是建设一个10GW级别的算力中心，部署周期将延续到2029年。到2030年，OpenAI计划实现约6000亿美元的总计算支出。

五、合作生态：博通、台积电与Celestica

5.1 博通：定制ASIC的坚实后盾

博通是OpenAI最重要的合作伙伴，它是全球最大的定制AI ASIC供应商之一，谷歌的TPU就是和博通共同打造的。在Jalapeño项目中，博通负责芯片物理实现、网络与互联技术。博通的硅实现与网络技术，包括Tomahawk网络芯片，有助于将该平台推向大规模生产。

博通CEO陈福阳表示：“我们与OpenAI的合作，体现了我们对扩展未来十年AI所需物理基础设施的根本承诺。这只是多代路线图的开端。”

5.2 台积电：3nm先进制程的制造保障

Jalapeño芯片基于3nm工艺制程，由台积电负责前端的晶圆代工。台积电的先进制程为Jalapeño提供了密度和性能的基础保障。OpenAI与博通的第二代AI ASIC项目则有望导入台积电A16节点。

5.3 Celestica：系统集成与整机方案

加拿大电子制造商Celestica负责板卡、机柜与整机系统方案。Celestica参与了电路板、机架、系统集成及可扩展生产系统的开发。芯片和服务器系统均不会对外销售，仅供OpenAI内部使用。

六、行业影响与战略意义

6.1 算力自主：从模型到芯片的全栈掌控

OpenAI不仅在开发前沿模型或基于这些模型构建产品，它还在设计其底层基础设施：芯片架构、内核、内存系统、网络、调度、部署系统和产品体验。由于OpenAI贯穿整个技术栈开展工作，每一层都可以围绕同一个目标进行优化：让其模型对用户而言更快、更可靠、更实惠。

OpenAI正由模型厂商向全栈AI基础设施厂商演进。Jalapeño围绕OpenAI实际运行的模型、核心算子、数据搬运、网络通信及调度需求进行软硬件协同优化。通过减少数据搬运并平衡计算、内存和网络资源，提高芯片实际利用率。OpenAI公告中将其定义为“全栈优势”。

6.2 对英伟达的影响：从最大客户到潜在竞争者

OpenAI曾是英伟达GPU的最大买家之一。Jalapeño的发布象征着OpenAI正式跨入自研芯片领域，也反映大型AI模型开发商正积极降低对英伟达GPU的依赖，加速建立自主AI基础设施。

不过，Jalapeño主打的是ChatGPT对话与开放API等高频推理场景，不能替代GPU在训练上的优势。当推理算力占总算力成本比例持续攀升时，OpenAI也必将走上像谷歌、微软、亚马逊等自研芯片的路径。OpenAI计划在推理场景中逐步用自研芯片替代英伟达GPU，但在训练场景中短期内仍将依赖英伟达的产品。

6.3 对AI产业的影响：推理成本下降的连锁反应

Jalapeño的推出可能带来推理成本的显著下降。如果Jalapeño的能效与成本优势在后续部署中得到验证，将有望缓解OpenAI巨大的算力支出压力。推理成本降低，速度变快，可靠性提升——每一点改进，用户都能直观感受到。

更重要的是，Jalapeño的成功可能加速整个AI行业向自研芯片方向演进。当一家AI公司能够自主设计芯片并实现推理成本的大幅下降时，其他AI公司也将被迫跟进。

6.4 市场反应

消息公布后，博通股价当日上涨3.4%。资本市场对这一合作给予了积极回应。

七、横向对比：Jalapeño vs 主流AI芯片

注：部分规格基于公开信息推断，详细技术规格尚未完全披露。

八、FAQ：关于OpenAI首款AI芯片Jalapeño的常见问题

问：Jalapeño是什么？

Jalapeño是OpenAI与博通联合发布的首款定制AI推理芯片，是一款专为大语言模型（LLM）推理设计的专用集成电路（ASIC）。它从架构设计到流片仅用时9个月。

问：Jalapeño的性能如何？

博通CEO陈福阳表示，Jalapeño的性能与英伟达Blackwell芯片和谷歌TPU处于同一水平。早期测试显示其每瓦性能显著优于当前最先进水平。

问：Jalapeño能降低多少推理成本？

据博通CEO透露，早期测试显示Jalapeño的推理成本相比传统AI GPU降低约50%。

问：Jalapeño什么时候部署？

OpenAI计划在2026年底前启动初步部署，2027年开始放量，2028年上半年全速运转。

问：Jalapeño会对外销售吗？

不会。Jalapeño芯片和配套服务器系统均不对外销售，仅供OpenAI内部使用。

问：Jalapeño由谁制造？

Jalapeño采用台积电3nm工艺制程，由台积电负责前端的晶圆代工。

问：Jalapeño能用于AI训练吗？

不能。Jalapeño是推理专用芯片，主打ChatGPT对话与开放API等高频推理场景，不能替代GPU在训练上的优势。

问：OpenAI还会继续推出AI芯片吗？

会。Jalapeño是多代计算平台的第一步。下一代产品预计2028年推出，此后每年迭代一次。

问：Jalapeño与英伟达Blackwell的主要区别是什么？

Jalapeño是ASIC（专用集成电路），专为LLM推理优化；Blackwell是GPU（通用图形处理器），可同时处理训练和推理任务。Jalapeño去掉了通用硬件中不必要的训练逻辑，将全部晶体管资源用于优化推理。

问：Jalapeño能适配哪些AI模型？

Jalapeño具备灵活设计，可适配所有LLM，不仅限于OpenAI自家的模型。其工程样片已在实验室成功运行GPT-5.3-Codex-Spark。