OpenAI自研芯片发布：只为LLM推理 GPU独占时代结束 OpenAI 终于动手了——不靠 NVIDIA，自己做芯片。 昨天，OpenAI 和 Broadcom 联合发布了 Jalapeño，这是 OpenAI 第一颗自研推理芯片。不是买 IP 改一改，是从零开始设计，9 个月流片，工程样品

OpenAI自研芯片发布：只为LLM推理 GPU独占时代结束

OpenAI 终于动手了——不靠 NVIDIA，自己做芯片。

昨天，OpenAI 和 Broadcom 联合发布了 Jalapeño，这是 OpenAI 第一颗自研推理芯片。不是买 IP 改一改，是从零开始设计，9 个月流片，工程样品已经在实验室跑起了 GPT-5.3-Codex-Spark。这事有多炸？往下看。

不是"改个 GPU"，是专为LLM而生

市面上的 AI 芯片，大多脱胎于 GPU 架构——原本为图形渲染造的芯，硬改过来跑 LLM。

Jalapeño 不一样。他们直接从 LLM 推理的需求倒推，重新定义芯片架构。核心思路就一句话：减少数据搬运。把计算、内存、网络资源三位一体做平衡，让实际利用率无限逼近理论峰值。

结果是——每瓦性能已经大幅超越当前最先进的芯片。具体跑分报告几个月后公布，但官方原话是 "substantially better than current state-of-the-art"。

这不是针对某一家模型服务的特供芯片。OpenAI 的设计定位是：能高效跑所有 LLM——不仅仅是 GPT 系列，未来业界任何主流大模型都能在上面跑。

9 个月！史上最快的 ASIC 开发记录

从设计到流片，9 个月。

什么概念？行业里一颗高性能 AI 芯片的典型周期是 18-24 个月。Jalapeño 直接砍了一半。

凭什么能这么快？两个原因：

一是 "设计芯片的人就是每天跑它的人"。OpenAI 对 ChatGPT、Codex、API 的每层负载一清二楚——模型架构、kernel 优化、内存模式、网络拓扑、调度策略。这种"全栈视角"让架构决策几乎不走回头路，主打一个专业对口。

二是 用 OpenAI 自己的模型加速了芯片设计流程。你在 ChatGPT 里用的模型，反过来在设计运行它的硬件——AI 帮助工程师更快更好地造芯，这本身就是一个良性闭环。

不止一颗芯片，是一个生态

Jalapeño 不是孤品。

官方明确说了，这是系列计算平台的第一代。2026 年底开始部署，和微软合作建设 吉瓦级规模的数据中心。Broadcom 提供 Tomahawk 网络芯片做大规模互联，Celestica 负责板卡和机架系统集成。

这不是实验室玩具——是直奔大规模生产线的。

这意味着什么？

对普通用户来说最直接的影响就三个字：更便宜。

AI 的运营成本，大头就在推理芯片。自研芯片省掉 NVIDIA 那层毛利，加上每瓦性能大幅提升，推理成本必然往下走。Brockman 亲口说了——"让算力更充裕，让 AI 更快、更可靠、更便宜。"

你每一次 ChatGPT 回复的速度、Codex 执行任务的深度、API 调用的价格，背后都受芯片效率的影响。方向很清晰。

个人观点：真正的"全栈"才刚开始

很多人把 OpenAI 自研芯片理解成"跟 NVIDIA 抢生意"——格局小了。

OpenAI 真正在做的事，是把产品、模型、基础设施、芯片这四层全部握在自己手里。这四层之间原来存在大量信息损耗——模型团队不知道芯片的瓶颈在哪里，芯片团队不知道产品的延迟要求有多紧。

现在，这四层在同一个屋檐下对话。更快的迭代、更低的成本、更强的闭环竞争力。

对 NVIDIA 来说当然不是好消息。H100/B200 的客户也开始做自己的芯片了——Google 有 TPU、Amazon 有 Trainium、Microsoft 有 Maia、Meta 有 MTIA。GPU 供应商独占 AI 的时代，结束了。

但这件事更大的意义是——当造芯片变得更快、更便宜，AI 的准入门槛会进一步降低。 9 个月流片，这个速度本身就说明 AI 正在重塑半导体产业本身。

你觉得 OpenAI 自研芯片是"打破垄断"的里程碑，还是"巨头互卷"的开始？评论区聊聊。