JALAPEÑO · OPENAI 第一颗自研芯片
AI 帮着设计，9 个月就造好了
OpenAI 自己造芯片了，名字叫：Jalapeño（一种墨西哥辣椒），读作 ha-la-PEH-nyo，”哈拉佩尼奥”…
更有意思的是，设计制作的过程， OpenAI 自家的 AI 模型全程参与了设计。
OpenAI 设计 · Broadcom 做硅与网络 · Celestica 做系统 · 微软等参与吉瓦级部署 · 预计 2026 年底首批落地
先说说有意思的点
用 AI 设计的芯片，造出来又拿去跑 AI
OpenAI 这颗芯片，设计过程有一部分是它自己的 AI 模型帮着做的。造出来以后呢，这颗芯片又被拿回去，跑 OpenAI 的模型。
AI 帮忙造芯片，芯片再去跑 AI，正好转了一个圈，形成了闭环。
一颗这么复杂的先进芯片，从画图设计到定稿送厂，平时要好几年。
这次只花了九个月，OpenAI 说可能是这类芯片史上最快的一次，能这么快，AI 帮着设计是原因之一。
一般先进芯片
Jalapeño
设计 → 流片（定稿送厂量产）· 部分由 OpenAI 自家模型加速
官方说法 VS 传言：
✓ 官方说了
✓ 用自家模型，加速了设计和优化的一部分
✓ 9 个月完成流片，称史上最快之一
✓ 样片已经在跑 GPT-5.3-Codex-Spark
≈ 外界推测
≈ “几乎全由 AI 设计“是推测，官方没这么说
≈ AI 有没有碰硬件电路本身，没提
≈ 用了哪个模型、参与多深，没公布
那它到底是什么
一颗只干一件事的芯片
Jalapeño 是 OpenAI 第一颗自己设计的芯片，专门干一件事，跑大模型的推理。OpenAI 给它起名 Intelligence Processor，智能处理器。
什么叫推理？打个比方。AI 这东西，得先学，再用。学厨的时候苦练好几年，是一回事；出师以后你点一道菜、他做一道，是另一回事。AI 也一样，分成”学”和”用”两个阶段，名字叫训练和推理。
训练是模型学东西的阶段，吃海量数据慢慢调参数，又贵又费电，一跑好几周。推理是模型学完之后干活的阶段，你问 ChatGPT 一句话，它生成一段回答，这就是一次推理。你每天用 AI 的体验，基本都发生在推理这一端。
Jalapeño 就是冲推理来的…
🎓 训练：把 AI 教出来（学本事）
像让一个学徒苦学好几年，从什么都不会，练到能独当一面。是一次性的大工程，做完就放那儿用。
一次性 · 极烧钱 · 要几个月
💬 推理：用 AI 干活
学徒出师了，你点一道，他做一道。你每跟 ChatGPT 说一句话，背后就触发一次推理。次数极多，但每次要快。
你：问？ → 芯片算 → 答！
每次提问触发 · 超高频 · 累计最花钱
Jalapeño 专门为推理这件事优化。
为什么专挑推理？
因为推理才是真正高频、真正花钱的地方。模型训好一次就够了，但全世界天天有无数人用，每一句话都是一次推理。乘起来是天文数字，所以哪怕每次只省一点点电、快一点点，加总都很可观。
它好在哪
不求样样行，只把一件事做到极致
市面上跑 AI 的芯片，大多是”通用”的，什么 AI 活都能接。Jalapeño 反过来，只为推理一件事设计。这个区别，用工具来比最直观：
🔪
通用芯片 · 像瑞士军刀
什么都能干一点，方便。但每一样都没做到顶，跑大模型推理时，力气会浪费在用不上的地方。
🔧
Jalapeño · 像专用菜刀
别的不管，就把”跑大模型推理”这一件事做到最好。砍掉冗余，每一分力气都用在刀刃上。
它最看重的一个指标，叫每瓦性能。早期测试的说法是，Jalapeño 的每瓦性能会大幅超过当前最先进水平。
每瓦性能（performance per watt）听着专业，其实说的是同样耗一度电能算多少东西，对数据中心来说这个比纯算力还关键，因为电费才是大头。
就像汽车的油耗，同样一箱油能跑多远。这里是同样一度电，能多答多少个问题。OpenAI 说，Jalapeño 在这点上明显比现在最强的芯片更好。
但具体快多少、数字落在哪，官方都没给，只说详细技术报告之后几个月再发。
⚡ 同样一度电，能答多少个问题 示意图
普通芯片 ●●●●●●
Jalapeño ●●●●●●
同样的电，多干活，AI 就能做得更便宜。注意：这是示意图，OpenAI 称”明显更好”，但具体快多少还没公布。
提醒一句：这些性能说法都来自 OpenAI 早期的测试，详细数据和技术报告还没出，先别当板上钉钉。
开发原因
为什么自己造？几个原因…
OpenAI 跑 AI 要用海量芯片，这些芯片目前主要是租 NVIDIA 的，是它最大的开销之一。自己设计芯片，好处很直接：长远看能省钱，也能少受制于一家供应商。
这就像一家开得很大的连锁餐厅，本来一直从一个厂家买烤箱，现在干脆自己设计烤箱，既省成本，也不怕被一家卡脖子。
以前
OpenAI 模型·产品 — 全靠租 → NVIDIA 的 GPU
现在
OpenAI 模型·产品 + 多一条 → 自研 Jalapeño （短期仍在买 GPU）
而且这事不只 OpenAI 在干。这几年大公司基本都在自己造 AI 芯片，OpenAI 算是最新、分量也很重的一个：
这些芯片背后常常站着同一家公司，博通，它负责把芯片真正做出来。当年帮 Google 做 TPU 的，也是它。
把整条链握在手里
从产品、模型，一直做到芯片
做出这颗芯片，OpenAI 就把从上到下一整条链都自己包了，产品、模型、底层系统，现在加上芯片。好比一家车厂，以前买别人的发动机，现在连发动机也自己造，整辆车都能自己说了算。每一层都能往同一个目标上调。
产品ChatGPT · Codex · API
模型GPT 系列
系统内核 · 内存 · 网络 · 调度
芯片Jalapeño（本次新增）
↑ 整条栈，全部自己设计
OpenAI 自己把这套讲成一个会越转越快的循环，每一环推动下一环：
底层更好
↓
算力更省
↓
模型更强
↓
产品更好
↓
用得更多·更多收入
↺ 收入再投回底层，继续转
这是 OpenAI 自己的说法，能不能真转起来，要看时间
几个要知道的
别误会的几点
！ 性能还没盖棺
所有性能说法都来自早期测试，最终数据还没公布。
⊘ 只管推理，不管训练
它负责跑模型出答案，不负责训练新模型，用途有边界。
￥ 不是你能买的产品
这是 OpenAI 自家数据中心的设施，不对外卖，最终体现在 ChatGPT 更快、API 更便宜上。
≈ “AI 设计”别夸大
官方只说加速了一部分，”几乎全是 AI 造的”是推测。
说到底
对你我，意味着什么
绕了这么一大圈，落到我们普通人身上，其实很简单，可能就是哪天 ChatGPT 答得更快了一点，调 API 更便宜了一点。
但往大里看，这件事有个让人回味的点，AI 已经开始反过来，帮着造它自己要用的硬件了…
事实整理自 OpenAI 官方博客 · 由小互编译解读
来源：openai.com/index/openai-broadcom-jalapeno-inference-chip