OpenAI 联合博通推出代号 Jalapeño 的自研大模型推理芯片，这次最受关注的亮点就是芯片研发全程有 OpenAI 自家大模型参与辅助设计，从最初架构设计到完成流片只用九个月，打破了高性能 ASIC 芯片传统的开发周期，这也代表 AI 已经开始参与打造运行自身的硬件；这款芯片专门面向大语言模型推理场景，不是通用训练卡，只供给 OpenAI 内部算力集群使用，不会对外售卖，目标是降低 ChatGPT、API、Codex 等业务的推理成本、降低响应延迟，传统同级别高性能 AI 专用芯片从设计到流片普遍需要 18 至 24 个月，而 OpenAI 依靠 AI 辅助 EDA 设计、软硬件协同开发、博通的芯片落地能力，大幅压缩迭代周期，测试数据显示它的能效对比当下主流 GPU 有明显优势，后续计划在微软合作的数据中心做吉瓦级规模部署。这款芯片由前谷歌 TPU 核心工程师带队研发，主打 LLM 推理的内存、算力调度优化，搭载 HBM 高带宽显存，适合线上并发问答、代码助手这类实时业务；很多人会理解成 OpenAI 要彻底放弃英伟达 GPU，实际上它是补充算力方案，属于全栈基础设施布局，不是一次性替换现有 GPU 集群。
可以做到九个月快速造出芯片的原因
- AI 辅助芯片设计：OpenAI 大模型参与 RTL 综合、版图优化、时序功耗收敛，快速给出优化方案，压缩验证迭代的时间。
- 强强分工协作：OpenAI 负责芯片架构、AI 负载需求定义，博通负责后端物理实现、流片对接、晶圆厂协调。
- 定位聚焦推理场景：只针对 LLM 推理做定制，不兼顾通用训练、图形渲染等其他功能，减少架构复杂度。
- 成熟团队打底：硬件负责人和核心团队有多年 TPU 研发经验，对 AI 加速架构、HBM 内存链路有成熟积累。
- 目标明确统一：从项目启动就围绕 OpenAI 自身线上业务负载做优化，不用兼顾外部客户多样化需求。
Jalapeño 芯片项目推进步骤
- 项目立项，确定芯片定位为 LLM 推理加速器，联合博通组建软硬件联合团队，由 AI 模型参与架构探索。
- 完成架构定义、RTL 编码，接入 AI 辅助 EDA 工具，持续做功耗、时序、面积的自动优化迭代。
- 后端物理设计、验证收敛，提交版图数据，完成 tape-out 流片，全程耗时 9 个月。
- 拿到首批工程样片，在实验室上电调试，跑通 GPT 系列、开源大模型的推理测试，公布基准性能数据。
- 推进配套服务器整机方案，规划 2026 年底开始小规模上线部署，后续逐年扩大算力集群规模，同步启动下一代芯片研发。
事件带来的结论
OpenAI 这颗 Jalapeño 芯片最大意义，不在于马上颠覆英伟达，而是验证了 “AI 辅助造芯” 这条路线可行，把 ASIC 开发周期大幅压缩；自研推理芯片是 OpenAI 算力自主、控制推理成本的一步重要布局，属于 GPU 之外的补充算力，短期不会完全替代通用 GPU。而 AI 辅助芯片设计这套模式一旦成熟，未来定制 AI 加速器的开发门槛和周期都会持续下降。
【相关 FAQ】
问题 1：OpenAI 从零到生产只用九个月造出的 Jalapeño 芯片，是训练芯片还是推理芯片？
回答 1：OpenAI 从零到生产只用九个月造出的 Jalapeño 芯片是推理芯片，专门服务 ChatGPT、代码助手这类线上大模型推理业务，不用于大模型训练。
问题 2：AI 参与 OpenAI Jalapeño 芯片造芯，具体是怎么辅助芯片设计的？
回答 2：AI 参与 OpenAI Jalapeño 芯片造芯，是用 OpenAI 自家大模型辅助芯片的 RTL 综合、版图布局、时序功耗优化，快速筛选优化方案，减少人工反复迭代验证的时间。
问题 3：OpenAI 这款九个月完成流片的 Jalapeño 芯片会对外卖给其他公司吗？
回答 3：OpenAI 这款九个月完成流片的 Jalapeño 芯片不会对外售卖，只部署在 OpenAI 合作的数据中心内部，用来支撑自家 AI 服务。
【参考资料】
[2026-08-27]（AI 开始给自己造芯了，从零到生产 OpenAI 只用了九个月）36 氪
[2026-08-26]（9 个月造出 3nm 芯片！OpenAI 自研芯片 Jalapeño 首秀）太平洋科技
[2026-06-25]（OpenAI 与博通联合发布首款定制 AI 推理芯片 Jalapeño）电子工程专辑
[2026-06-24]（OpenAI and Broadcom unveil LLM-optimized inference chip）OpenAI 官方博客
【免责声明】
本文仅基于公开科技资讯进行科普，不构成芯片投资、算力采购相关建议；Jalapeño 芯片的实测性能、部署时间表、后续迭代规划以 OpenAI 与博通官方公告为准，不同测试环境下能效对比数据存在差异。