北京
大家好，我是 Ai 學習的老章
OpenAI 終于下場做芯片了，聯合 Broadcom 發布了第一款自研推理芯片 Jalape?o（墨西哥辣椒，這名字好奇怪，毫無 OpenAI 特色）
從模型到產品再到芯片，OpenAI 正式成為一家全棧 AI 公司，這意味著什么？我來給你拆一拆
OpenAI CEO Sam Altman 和 Broadcom CEO Hock Tan 展示 Jalape?o 推理芯片 這芯片到底是什么來頭
Jalape?o 是 OpenAI 從零開始設計的純推理芯片，專門為大模型推理場景優化
幾個核心信息：
早期測試顯示性能功耗比遠超當前最先進水平 （雖然具體數字還沒公布，但 OpenAI 敢這么說，底氣應該不小）
從設計到流片只用了 9 個月 ——據稱是高性能半導體領域有史以來最快的 ASIC 開發周期
工程樣片已經在跑 GPT-5.3-Codex-Spark 的 ML 工作負載，而且達到了目標頻率和功耗
Broadcom 的 Tomahawk 網絡芯片 加持，支持大規模集群部署
這芯片的設計哲學很簡單：減少數據搬運，平衡計算、內存和網絡資源，讓實際利用率盡可能接近理論峰值。聽起來簡單，但做到很難——目前絕大多數 GPU 跑大模型推理時，利用率連 50% 都難摸到
為什么 OpenAI 要自己做芯片
這個問題其實不難理解，我找機必替整了一下，居然已經有這么多巨頭在自研芯片了。。。
大廠全在做自研芯片，核心原因就三個字：降成本
OpenAI 每天要服務 ChatGPT、Codex、API 和各種 Agent 產品，推理算力需求是天文數字，全靠 NVIDIA 的話：
價格貴（H100/B200 供不應求時溢價恐怖）
供貨不穩定（排隊排到天荒地老）
通用架構浪費（GPU 很多功能對純推理來說是冗余的）
自研芯片能把這三個問題一次性解決——尤其是 OpenAI 比任何人都了解自己模型的推理特征，軟硬件協同優化的空間巨大
9 個月流片，AI 設計 AI 芯片
這可能是整個發布最震撼的部分
傳統高性能 ASIC 從設計到流片通常需要 18-24 個月，OpenAI 硬生生壓縮到 9 個月
怎么做到的？
答案是：用自家模型加速芯片設計
這就形成了一個飛輪：
更好的模型 → 幫助設計更好的芯片
更好的芯片 → 更高效地運行更好的模型
更好的模型 → 更好的產品 → 更多收入 → 投資下一代芯片
用一張圖來理解這個全棧飛輪：
OpenAI 全棧飛輪：AI 模型 × 芯片 × 產品
OpenAI 的原話是："如果 AI 能幫工程師更快地設計更好的芯片，就能降低整個行業的計算成本，讓更多人用得起先進 AI"
部署計劃：GW 級別
Jalape?o 不只是一個實驗室產品，OpenAI 的規劃相當激進：
2026 年底開始部署 第一代產品
與微軟和其他合作伙伴共同建設 吉瓦級（GW）數據中心
多代產品路線圖 ，持續迭代
Broadcom 負責芯片實現和網絡，Celestica 負責板卡、機架和系統集成
Broadcom CEO Hock Tan 說的很直白："這是一個服務于未來十年 AI 基礎設施的承諾"
對我們普通用戶意味著什么
說到底，推理就是 AI 觸達用戶的最后一公里。每一點成本、速度、可靠性的提升，最終都會變成：
ChatGPT 回答更快
Codex 能跑更多步驟，等待更少
API 更便宜
高峰期不再動不動就限流
OpenAI 的說法是"讓高級模型對所有人都可用、可靠、且負擔得起"——雖然有點畫餅的味道，但方向確實對的
OpenAI 做自研芯片這件事方向絕對正確，但短期內對 NVIDIA 的沖擊有限。真正的看點是兩三年后第二代、第三代產品成熟時，整個推理市場的格局會怎么變
OpenAI 從"模型公司"進化成"全棧 AI 基礎設施公司"的野心已經非常清楚了。至于能不能做成，讓我們拭目以待
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
