OpenAI联手博通推出首款自研芯片Jalapeño：九个月量产背后的AI芯片战局

6月24日，美国AI大模型公司OpenAI联手半导体设计和开发公司博通(Broadcom)，推出了首款定制AI推理芯片Jalapeño，跨界造芯。这是继谷歌、亚马逊、微软之后，又一家AI巨头正式入局芯片自研赛道，标志着AI产业竞争正从模型层面向算力基础设施层面纵深演进。

九个月：从零到量产的芯片速度纪录

从架构设计到制造流片，OpenAI仅用时9个月，创下了高性能半导体领域迄今最快的ASIC芯片开发纪录。这一速度的背后，是OpenAI将自家模型用于辅助芯片设计——AI帮助设计AI芯片，标志着芯片设计进入“人机协作”的新范式。

OpenAI总裁Greg Brockman对此的解读是：“世界正迈向算力驱动的经济。”在他看来，AI大模型的竞争，本质上是算力的竞争；而算力的竞争，正在向上游的芯片设计延伸。

Jalapeño：专为LLM推理而生

Jalapeño兼容所有大语言模型，成功运行包括GPT-5.3-Codex-Spark在内的机器学习工作负载。与通用GPU追求极致算力不同，Jalapeño在架构层面进行了针对性优化。

OpenAI 硬件项目负责人Richard Ho表示，Jalapeño从底层架构开始就专为LLM推理而设计，围绕内核、内存移动、网络和服务模式等对前沿AI模型至关重要的方面优化了架构。这种“专用化”的设计思路，使得Jalapeño在特定任务上的效率远超通用芯片。

早期测试显示，Jalapeño“每瓦性能大幅优于当前的最先进水平”。虽然OpenAI尚未公开任何具体的性能基准数据，但“每瓦性能”这一指标的提出，本身就揭示了AI芯片竞争的新焦点——不再单纯追求绝对算力，而是追求算力效率。

“去英伟达化”：科技巨头的集体选择

Jalapeño的发布，只是AI巨头“去英伟达化”浪潮中的一朵浪花。在OpenAI之前，谷歌自研TPU始于2015年，亚马逊2018年推出推理芯片Inferentia、2022年推出训练芯片Trainium，微软自研的AI芯片Maia于2023年年底亮相。如今，这份名单还在继续拓展。

博通成为这场变革的最大赢家。它同时为谷歌、Meta等提供定制芯片设计服务，在OpenAI自研芯片的背后，博通也提供了芯片实现和网络连接，帮助将产品推向规模量产。2026财年第一季度，博通AI半导体收入达84亿美元，同比增长106%。

博通CEO Hock Tan坦言，增长“得益于对定制AI加速器和AI网络的强劲需求”。双方已制定多代芯片路线图，计划2028年推出下一代产品，此后每年迭代。这意味着AI芯片定制化将成为长期趋势。

推理算力：下一个主战场

AI芯片竞争正在从“训练”向“推理”转移。2025年，维持ChatGPT服务器响应的成本已高达84亿美元，随着ChatGPT周活跃用户超过9亿，再加上AI从单次问答的聊天工具进化为持续运行的智能体，对推理算力的需求急剧放大，预计2026年相关成本将攀升至140亿美元。

在这一背景下，OpenAI开始思考：能否为这类工作负载打造一款专门的芯片？答案是Jalapeño，它专为LLM推理而设计，不追求通用性。通过减少数据搬运、平衡计算、内存和网络资源，使实际利用率更接近理论峰值。

Jalapeño计划在2026年年底部署到微软及其他合作伙伴的数据中心，博通CEO Hock Tan称之为“吉瓦级数据中心部署的开始”。这意味着，从模型向芯片的一跃，OpenAI开始追求全栈优势。

高通：从端侧走向云端

同样在芯片领域发起攻势的，还有高通。这家在移动芯片领域积累了深厚优势的巨头，开始从端侧走向云端，试图在数据中心市场分一杯羹。

高通CEO克里斯蒂亚诺·阿蒙的判断与OpenAI相似：“代理式AI正推动数据中心对AI推理的需求大幅增长。随着这些工作负载成为主流，基础设施必须在更低的功耗和成本下提供更高的性能。”

6月25日，高通宣布了一套面向数据中心AI基础设施的完整路线图。核心产品包括Dragonfly C1000 CPU，基于Oryon核心的多芯粒架构，集成了超过250个核心，运行频率在5GHz以上，据称每瓦性能比现有竞品的基准高出两倍以上。

更值得关注的是高通发布的HBC（高带宽计算）技术，在同等功耗下带宽是HBM的6倍。而英伟达GPU虽以绝对性能称霸，功耗与成本恰恰是其“阿喀琉斯之踵”。

软件生态：芯片竞争的另一维度

在硬件之外，软件生态的争夺同样激烈。为补齐软件短板，高通于6月24日宣布以约39亿美元收购AI软件公司Modular，以获得一套可跨芯片运行AI模型的软件技术，而无需为每种处理器单独编写代码。

Modular由Chris Lattner（LLVM/Swift之父）创立，核心产品包括高性能AI推理引擎及专为AI内核设计的Mojo编程语言，可将PyTorch/TensorFlow模型无缝编译至CPU/NPU/GPU异构端侧设备。这笔收购有望为高通补齐可对标英伟达CUDA的开放性软件栈。

竞争格局：远未固化

从OpenAI九个月完成芯片设计可以看出，AI芯片的进入门槛正在降低。芯片设计自动化的趋势，意味着更多玩家可以参与到芯片竞争中来。AI行业的竞争格局，远未固化。

与此同时，国内AI芯片企业也在快速追赶。中昊芯英的“须臾”芯片、华为昇腾系列、寒武纪AI芯片等，构成了国产AI芯片的第一梯队。随着国产替代进程的加速，国内AI产业在算力层面的自主可控能力有望持续提升。

可以预见的是，在未来的AI竞争中，谁掌握了芯片定义权，谁就掌握了产业链的话语权。这场从模型到芯片的延伸竞争，才刚刚开始。