OpenAI 推出自研芯片 Jalapeño，欲打破英伟达 GPU 垄断

导读：OpenAI宣布发布自研芯片Jalapeño。

2026 年 6 月 24 日，OpenAI 正式对外亮相首款自研定制 AI 推理芯片 Jalapeño（翻译过来是墨西哥辣椒）。

这款芯片由 OpenAI 与博通（Broadcom）联合设计、生产，完全针对自家大模型推理负载深度优化，甚至 OpenAI 自有 AI 模型全程参与芯片设计环节。目前芯片仍处于测试阶段，但实测数据显示，它的单位功耗性能大幅领先市面现有高端算力芯片。

奥特曼与博通CEO之合作照片（图片来源：X）

其实业内早传有 OpenAI 自研芯片的相关传闻。在 2025 年初路透社就披露过相关规划，双方合作也在 2025 年 10 月官宣落地。如今实体芯片顺利亮相，意味着 OpenAI 已经打通从芯片架构设计、流片制造到功能验证的完整硬件链路，落地速度业已超出行业预期。

自研定制芯片，直击英伟达 GPU 两大痛点

近五年全球 AI 训练、其推理市场几乎被英伟达（Nvidia） GPU 垄断，GPT、Claude、Gemini 等主流大模型均依托 H100、B200 系列硬件运行，但通用 GPU 的短板日益凸显。

当前AI硬件基础设施的状态是这样的：一方面是成本与供货难题，高端 GPU 定价居高不下，长期供不应求，持续拉高 AI 企业运营开支；另一方面，GPU 面向通用并行计算开发，并未针对 Transformer 架构、大模型推理场景做专项优化，硬件资源存在大量浪费。这也给定制 ASIC 芯片留出巨大优化空间：贴合自有模型计算逻辑的专用硅片，理论能效能够实现数倍提升。

谷歌早已依靠 TPU 走出这条自研路线，从 2016 年迭代至今已是第六代，全面支撑内部模型训练与推理；亚马逊紧随其后，推出 Inferentia 推理芯片、Trainium 训练芯片，为 AWS 客户提供英伟达之外的算力选择。Jalapeño 的发布，宣告 OpenAI 正式加入自研芯片赛道。

合作从来不是从零起步：博通深耕定制 ASIC 数十年，曾为谷歌 TPU、Meta 推荐加速器完成硬件开发，具备成熟的硅片工程能力；OpenAI 则掌握大模型底层计算逻辑，二者形成算法 + 硬件的互补组合。

博通的入局也重塑了 AI 产业链格局。不同于英特尔、AMD 售卖标准化通用芯片，博通专注为大厂定制专属硅片，如今它将头部 AI 企业列为核心长期客户，意味着算力产业链的话语权正在发生转移。

OpenAI 总裁兼联合创始人 Greg Brockman 曾在内部播客解读硬件战略：团队对自身模型运行逻辑有着透彻理解，通用 GPU 很难适配部分专属计算场景，这类场景恰好是定制芯片的优化重点。

Jalapeño 芯片将聚焦推理场景，也就是用户发送提问、模型生成回复的全过程，官方重点强调其在实时编程类模型上的低成本优势，对于 Codex 这类低延迟、高并发 AI 代理产品，能直接改善单位收益。

AI 参与芯片设计，形成软硬件自举闭环

本次芯片有一个极具行业意义的细节：OpenAI 大模型深度参与芯片研发。布局布线、电源设计、时序收敛等环节存在海量组合优化空间，恰好契合大模型搜索、推演的能力优势。

早在 2020 年，DeepMind 就用强化学习优化 TPU 芯片布局并落地量产，而 OpenAI 把这套思路延伸到自家推理芯片，实现了 “AI 设计运行 AI 的芯片”，完成软硬件双向赋能的自举循环。

观察其自研芯片背后，是 OpenAI 全栈垂直整合的长期战略。

官方表示，公司不止打磨大模型与上层应用，还自主掌控芯片架构、内核、内存、网络、调度部署整套底层基础设施。全链路统一优化，最终实现模型更快、更稳定、成本更低，这套思路和苹果软硬一体的产品逻辑高度相似，通过全栈自研构筑差异化壁垒。

推理成本是当前 AI 商业化最大瓶颈，ChatGPT 各类订阅服务、代码生成功能，每一次交互都会持续消耗算力资源。

若 Jalapeño 能将单次推理能耗、延迟降低 30% 至 50%（谷歌 TPU 已验证该优化幅度具备可行性），OpenAI 将拥有极大商业灵活度：既能维持定价、拉高利润，也能降价扩容、抢占更多用户。官方重点提及实时编程模型成本优化，预示 Codex、GitHub Copilot 相关服务会成为芯片首批落地的核心业务负载。