OpenAI造出了自己的芯片——9个月流片，成本砍半，英伟达的饭碗还稳吗？

博通CEO亲自递过来一颗辣椒，奥特曼接住了

2026年6月24日晚上9点10分，北京时间。

我刷着手机，看到一张照片：博通CEO陈福阳，那个在半导体行业里以"并购狂人"闻名的马来西亚华裔老头，正笑眯眯地把什么东西递到山姆·奥特曼手上。

不是合同，不是支票。

是一颗芯片。

名字叫Jalapeño——哈拉贝诺辣椒。

对，就是墨西哥菜里那种能辣到你怀疑人生的辣椒。

OpenAI给自家第一款自研AI推理芯片起了这么个名字，我第一反应是：这帮人是真不怕烫手。

但仔细想想，还真是贴切。又辣又快，又热又猛——这颗辣椒，可能真的要烧到英伟达的锅了。

9个月，从零到流片

先说一个数字：9个月。

这是什么概念？在半导体行业，一颗芯片从设计到流片（tape-out，就是送去工厂生产第一版实物芯片），通常需要2到3年。英伟达的H100，从设计到量产，花了将近两年半。谷歌的TPU迭代一代，也是按年算的。

OpenAI用了9个月。

陈福阳的原话是：“这是高性能先进半导体领域有史以来最快的ASIC开发周期。”

注意，不是"之一"，是"最快"。

那问题来了：凭什么？

答案说出来你可能不信——因为ChatGPT自己参与了芯片设计。

你没看错。OpenAI在研发Jalapeño的过程中，用自己的AI模型来加速工程迭代和验证。芯片设计里那些最耗时的环节——架构模拟、参数调优、布线验证——大量交给了AI来完成。

这就有意思了。

AI帮人类设计芯片，芯片造出来又用来跑AI，AI变得更强，又帮人类设计更好的芯片。

一个闭环，转起来了。

而且转得飞快。

OpenAI总裁格雷格·布罗克曼说了一句话，我觉得是这个故事里最被低估的一句：“我们的AI模型大幅压缩了芯片研发周期，这样的效率提升超出了所有人的预期。”

翻译成人话就是：连我们自己都没想到能这么快。

这也解释了为什么OpenAI要自己造芯片——不是为了跟英伟达抢生意，而是因为当你比任何人都了解自己的工作负载时，通用芯片永远不是最优解。

训练是一次性投入，推理是每天的天文数字

接下来要说一个很多人没意识到的商业逻辑。

AI芯片分两种用途：训练和推理。

训练，就是模型"学习"的过程——消化海量数据，形成能力。这是一次性的。GPT-5训练完了就完了，不会再回头重新学一遍（至少短期内不会）。

推理，是模型"用"的过程——每一次你打开ChatGPT问个问题，模型都要实时计算，生成回答。

训练是建工厂，推理是每天开工生产。

训练是一次性的资本投入，推理是每天数亿用户持续产生的运营成本。

对于OpenAI来说，ChatGPT的月活用户已经是个天文数字。每一次对话、每一次代码生成、每一次图片理解，背后都是算力在烧钱。而这些算力，绝大部分跑在英伟达的GPU上。

英伟达的GPU是通用芯片，什么都能干，训练能干，推理也能干，图形渲染也能干。但"什么都能干"的代价是：它在任何一件事上都不是最优的。

Jalapeño不一样。它是ASIC——专用集成电路。从出生就被设计成只干一件事：跑大模型推理。

打个比方，英伟达的GPU像是一把瑞士军刀，功能多，但你拿它切菜肯定不如专用菜刀快。Jalapeño就是那把菜刀。

OpenAI的判断很简单：推理成本占我们日常支出的绝对大头。如果能用专用芯片把推理成本砍掉一半，那就是省下了一个天文数字。

没错，根据早期测试数据，Jalapeño的推理成本预计比英伟达GPU低50%。

三到五成。

你想想，OpenAI一年在算力上花多少钱？如果砍掉一半，省下来的都是利润。

这就是为什么OpenAI要造芯片。不是为了酷，是为了省钱——省着省着，就变成了赚钱。

Jalapeño芯片核心数据信息图——展示9个月流片周期、50%成本降幅、ASIC推理定位、每瓦能效超越等关键数据

性能到底行不行？博通CEO敢说"媲美英伟达"

说到这里，你肯定有一个问题：快是快，便宜是便宜，但性能到底行不行？

毕竟芯片这东西，不是PPT上画个数字就能跑的。

目前公开的信息是：博通CEO陈福阳直接表示，Jalapeño的性能可与英伟达Blackwell系列及谷歌TPU相媲美。

这句话的分量很重。陈福阳不是OpenAI的人，他是博通的CEO，是合作伙伴里最懂芯片的人之一。他敢公开说"媲美"，说明实验室数据确实拿得出手。

而且早期测试还显示了一个关键指标：每瓦能效大幅超越当前市面顶尖算力产品。

"每瓦能效"是什么意思？就是每消耗一度电，能产出多少算力。这个指标比单纯的"峰值算力"重要得多——因为AI推理最大的瓶颈不是算力不够，而是电费太贵、散热跟不上。

Jalapeño围绕大模型的算力、内存、网络调度做了架构级的优化，大幅减少了数据搬运过程中的损耗，硬件利用率贴近理论峰值。简单说就是：同样的电，干更多的活。

目前，实验室的工程样片已经稳定运行GPT-5.3-Codex-Spark等前沿模型。这不是跑个benchmark刷分，是真的在跑自家的生产级模型。

当然，我也得说一句公道话：实验室数据和大规模量产数据之间，还有很长的路。很多芯片倒在了从实验室到数据中心的路上。Jalapeño计划2026年底完成首批小规模部署，2027年产能爬坡，2028年上半年全面规模化量产。

也就是说，真正的大考，还没开始。

全栈掌控：奥特曼的棋盘比你想象的大

如果你觉得OpenAI造芯片只是为了省钱，那你低估奥特曼了。

让我把时间线拉长一点。

OpenAI和博通的合作，早在18个月前就启动了。2025年10月对外官宣。在那之前，OpenAI还跟AI芯片公司Cerebras有过接触，积累定制芯片的认知。

这不是一时兴起，是蓄谋已久。

布罗克曼的原话透露了更多：“我们不仅在开发前沿模型，也在构建其上的产品；更重要的是，我们正在设计它们之下的基础设施——包括芯片架构、内核、内存系统、网络、调度、部署系统乃至产品体验。”

你把这句话拆开看：

模型——OpenAI在做（GPT系列）。产品——OpenAI在做（ChatGPT、Sora、API）。芯片架构——OpenAI在做（Jalapeño）。内核——OpenAI在做。内存系统——OpenAI在做。网络——OpenAI在做。调度系统——OpenAI在做。部署系统——OpenAI在做。产品体验——OpenAI在做。

从最底层的硅片，到最顶层的用户体验，OpenAI要把每一层都攥在自己手里。

这不是一家AI公司的做法，这是一家"全栈计算公司"的做法。

而且别忘了，搭载Jalapeño芯片的计算机系统，大部分硬件架构也是OpenAI自主设计的。他们不光造芯片，连服务器整机都自己搞。

布罗克曼还有一句话说得很透彻：“通过自主研发更多底层技术环节，我们可以用更高效率提供智能服务。”

翻译一下：我们的模型我们自己最懂，我们的负载我们自己最清楚，那为什么不连跑模型的硬件也自己做？

这是一个正向循环：模型越强，对推理负载的理解越深，芯片设计越精准，推理成本越低，能服务更多用户，积累更多数据，模型更强。

转起来了，而且是加速转。

OpenAI全栈技术栈示意图——从芯片架构、内核、内存系统到模型、产品、用户体验的垂直整合图谱

“去英伟达化”：所有人都想自己造芯片

OpenAI不是第一个造自研AI芯片的，但可能是最受关注的一个。

我们来盘点一下。

谷歌——TPU系列，从2016年就开始搞了，现在是第六代还是第七代我都有点数不清了。TPU支撑了谷歌从搜索到Gemini的全部AI推理。

亚马逊——Trainium系列，2023年开始推，去年底已经大规模部署在AWS上。亚马逊的逻辑跟OpenAI一样：我自己的云上跑着无数AI推理请求，凭什么给英伟达交税？

微软——去年发布了自己的AI加速芯片Maia，专门给Azure上的AI服务用。

Meta——也有自己的AI芯片，MTIA系列，主打推荐系统的推理。

现在OpenAI也加入了。

你看明白了吗？所有AI巨头，都在做同一件事：去英伟达化。

不是因为他们讨厌黄仁勋，而是因为英伟达的GPU太贵了，而且供不应求——你想买还不一定买得到。

陈福阳说了一句话，我觉得是整个行业现状最好的注脚：“现有产能完全无法满足市场需求，算力紧缺不止会持续2026、2027年，预计2028年行业算力需求还会继续攀升。”

2028年还在涨。这意味着谁手里有自研芯片，谁就掌握了算力自主权。

英伟达的饭碗还稳吗？

短期看，当然稳。英伟达的CUDA生态、通用GPU的灵活性、以及训练市场的统治力，不是一朝一夕能撼动的。博通股价从2022年末至今涨了近7倍，2026年以来累计上涨10%，但英伟达同期涨得更多。

但长期看，趋势很明确：推理市场正在被各家自研芯片蚕食。而推理，恰恰是AI计算市场中增长最快、体量最大的那块蛋糕。

有意思的是，OpenAI也不是把鸡蛋全放在一个篮子里。他们跟亚马逊云达成了合作，可以用Trainium芯片；也跟AMD、思博睿签了算力合作协议。自研加外采，双保险。

毕竟，谁也不想被一家供应商卡脖子。

全球巨头"去英伟达化"芯片自研版图——谷歌TPU、亚马逊Trainium、微软Maia、Meta MTIA、OpenAI Jalapeño的布局对比

对普通人来说，这意味着什么？

说了这么多行业格局，回到最开始的问题：这跟你我有什么关系？

关系大了。

还记得那个50%的推理成本降幅吗？

推理成本降低，意味着AI服务可以更便宜。更便宜意味着更多人用得起AI。

用OpenAI自己的话说：“如果AI能帮工程师更快设计出更好的芯片，就可以降低整个行业的计算成本，帮助普及先进AI的使用权限。”

这句话不是场面话。它指向一个真实的趋势：AI算力的成本曲线，正在往下走。

你想想，今天ChatGPT Plus一个月20美元，如果推理成本砍一半，是不是可以降到10美元？或者保持20美元但给两倍的用量？或者免费用户也能享受到更多功能？

再往远想：当AI推理便宜到几乎不花钱的时候，会发生什么？

每一个App都可以内置AI，每一个网站都可以有智能助手，每一个中小企业都能用上大模型。AI不再是巨头的特权，而是像水电一样的基础设施。

而这一切的起点，可能就是那颗叫Jalapeño的辣椒。

还有一层更深远的影响：AI造芯片这个闭环。

如果ChatGPT能帮OpenAI在9个月内造出芯片，那同样的方法论能不能复制到其他领域？AI帮设计新药、AI帮设计新材料、AI帮优化城市规划。

当AI开始加速AI自身的迭代，我们可能正在进入一个加速循环的时代。

这个时代会多快？我不知道。但Jalapeño给出的信号是：比我们以为的要快。

又辣又快

文章写到最后，我刷了一下评论区。

有人调侃：“又辣又快，犹如我的焦虑。”

有人说：“Chip so hot it ghosts users。”——芯片太烫了，都开始已读不回了。

还有人已经给OpenAI设计了芯片周边，T恤上印着一颗辣椒，下面写着"Silicon Verde"。

你看，每次科技圈搞出大动静，网友们的反应永远是最真实的温度计。他们用幽默消化焦虑，用段子表达期待。

但笑归笑，焦虑是真的。

9个月造芯片。AI自己参与芯片设计。推理成本砍半。全栈掌控。"去英伟达化"大潮。

每一条单拎出来都是大新闻，加在一起就是一场正在加速的变革。

Jalapeño，哈拉贝诺辣椒。

又辣又快。

而我们所有人，都在这口锅里。