OpenAI Jalapeño芯片问世：博通定制推理芯片如何瞄准成本减半与算力自主
OpenAI与博通联合发布Jalapeño定制LLM推理ASIC，9个月完成开发。测试显示较AI GPU节省约50%推理成本，计划2026年底部署上线。博通730亿美元订单储备揭示定制芯片转型中代工合作伙伴占据最有利结构性位置。
OpenAI Jalapeño：博通定制推理芯片瞄准成本减半
TL;DR: OpenAI 与博通联合发布 Jalapeño——一款专为 LLM 推理定制的 ASIC，借助 AI 辅助设计仅用 9 个月完成开发。早期基准测试显示较标准 AI GPU 节省约 50% 成本，首批部署计划于 2026 年底上线。
事件概要
2026 年 6 月 24 日，OpenAI 与博通联合宣布 Jalapeño——OpenAI 首款定制推理处理器。该芯片是一款从零开始为大语言模型推理设计的专用集成电路（ASIC），而非从早期 AI 工作负载改造而来的通用加速器。
发布会上，博通 CEO Hock Tan 亲手将一块可工作的工程样片交到 OpenAI CEO Sam Altman 和总裁 Greg Brockman 手中。该芯片已在实验室环境中运行 GPT-5.3-Codex-Spark 进行测试，初步部署目标为 2026 年底进入数据中心。
从初始设计到流片的开发周期仅 9 个月——Brockman 称这可能是高性能先进半导体领域有史以来最快的 ASIC 开发周期。OpenAI 自身的 AI 模型被用于加速芯片设计过程，形成了一个递归闭环：AI 模型帮助设计将更廉价运行这些模型的硅片。
关键细节
| 参数 | 详情 |
|---|---|
| 芯片名称 | Jalapeño——“智能处理器” |
| 类型 | LLM 推理定制 ASIC |
| 联合开发商 | 博通（硅片实现、网络、互连） |
| 系统集成商 | Celestica（板卡、机架、系统） |
| 开发周期 | 9 个月（设计到流片） |
| 成本节省 | 较典型 AI GPU 约 50%（据博通 CEO Hock Tan） |
| 性能 | 成本更低，性能与 NVIDIA Blackwell GPU 相当 |
| 当前状态 | 工程样片已运行 GPT-5.3-Codex-Spark |
| 部署目标 | 2026 年底初步部署 |
| 规模目标 | 2029 年达到 10 GW 定制 AI 算力容量 |
| 路线图 | 多代平台——Jalapeño 是第一步 |
分工： OpenAI 负责底层架构设计，博通负责硅片实现和网络硬件，Celestica 承担板卡和机架系统集成。
财务背景： OpenAI 2025 年运营支出达 340 亿美元，而收入仅 130 亿美元。推理成本是 AI 产品公司最大的经常性支出，使得每 Token 经济学成为可持续 AI 部署的关键变量。
🔺 独家情报：别人遗漏的视角
置信度： 高 | 新颖度评分： 75/100
大多数报道将 Jalapeño 定调为 OpenAI 降低对 NVIDIA 依赖的举措。更深层的结构性转变是：OpenAI 正在将推理从可变成本（按 GPU 小时付费）转化为资本成本（拥有硅片，多年摊销）。在 2025 年 340 亿美元运营支出对 130 亿美元收入的背景下，AI 产品的单位经济学无法仅靠租用 GPU 基础设施实现可持续。与此同时，博通——而非 OpenAI——才是定制芯片竞赛中始终的赢家：Google、Meta 和 OpenAI 都在博通硅片上构建，使该公司 2026 财年第一季度 AI 芯片收入达 84 亿美元（同比增长 106%），承诺订单积压达 730 亿美元。真正的瓶颈不是设计雄心，而是台积电封装产能——已排满至 2026 年底，这意味着 OpenAI 要与所有其他超大规模厂商争夺有限的代工产能分配。
对 AI 基础设施团队的关键启示： 定制推理硅片将竞争护城河从”谁拥有最好的模型”转向”谁控制每 Token 成本曲线”——团队在评估 API 供应商时，规划 12 个月合同应将推理成本趋势的权重置于原始模型基准测试之上。
影响分析
Jalapeño 将 OpenAI 推入与 Google（TPU）、Amazon（Trainium）、Microsoft（Maia）和 Meta（MTIA）同级的定制硅片阵营。趋势不可忽视：每个具备足够规模的 AI 公司都在构建定制推理硅片，因为租用通用 GPU 的经济学无法支撑面向消费者的 AI 产品在大规模下的成本结构。
短期实际影响有限——Jalapeño 尚未量产，成本节省需要时间传导至 API 定价。更重要的长期信号是：AI 基础设施栈正在从底层重建，每一轮新的定制硅片都在缩小 AI 能力与商业规模运行成本之间的差距。
对 NVIDIA 而言，威胁不是被替代，而是利润率压缩。定制 ASIC 瞄准最可预测、最高吞吐量的工作负载（推理），留给 NVIDIA 的是训练市场和不足以支撑定制硅片的多样化 AI 工作负载长尾。博通作为多家 AI 公司共同的代工中间人，使其成为这场转型中结构性优势最强的参与者。
相关报道
来源
- OpenAI Blog: OpenAI and Broadcom Unveil LLM-Optimized Inference Chip (S 级)
- TechCrunch: OpenAI Unveils Its First Custom Chip Built by Broadcom (S 级)
- Reuters: OpenAI Unveils Custom Chip Designed with Broadcom (S 级)
- Forbes: Meet Jalapeño — OpenAI’s First Custom AI Chip, Built With Broadcom (A 级)
- Enterprise DNA: OpenAI’s Jalapeño Chip Cuts AI Inference Costs by 50% (A 级)
OpenAI Jalapeño芯片问世：博通定制推理芯片如何瞄准成本减半与算力自主
OpenAI与博通联合发布Jalapeño定制LLM推理ASIC，9个月完成开发。测试显示较AI GPU节省约50%推理成本，计划2026年底部署上线。博通730亿美元订单储备揭示定制芯片转型中代工合作伙伴占据最有利结构性位置。
OpenAI Jalapeño：博通定制推理芯片瞄准成本减半
TL;DR: OpenAI 与博通联合发布 Jalapeño——一款专为 LLM 推理定制的 ASIC，借助 AI 辅助设计仅用 9 个月完成开发。早期基准测试显示较标准 AI GPU 节省约 50% 成本，首批部署计划于 2026 年底上线。
事件概要
2026 年 6 月 24 日，OpenAI 与博通联合宣布 Jalapeño——OpenAI 首款定制推理处理器。该芯片是一款从零开始为大语言模型推理设计的专用集成电路（ASIC），而非从早期 AI 工作负载改造而来的通用加速器。
发布会上，博通 CEO Hock Tan 亲手将一块可工作的工程样片交到 OpenAI CEO Sam Altman 和总裁 Greg Brockman 手中。该芯片已在实验室环境中运行 GPT-5.3-Codex-Spark 进行测试，初步部署目标为 2026 年底进入数据中心。
从初始设计到流片的开发周期仅 9 个月——Brockman 称这可能是高性能先进半导体领域有史以来最快的 ASIC 开发周期。OpenAI 自身的 AI 模型被用于加速芯片设计过程，形成了一个递归闭环：AI 模型帮助设计将更廉价运行这些模型的硅片。
关键细节
| 参数 | 详情 |
|---|---|
| 芯片名称 | Jalapeño——“智能处理器” |
| 类型 | LLM 推理定制 ASIC |
| 联合开发商 | 博通（硅片实现、网络、互连） |
| 系统集成商 | Celestica（板卡、机架、系统） |
| 开发周期 | 9 个月（设计到流片） |
| 成本节省 | 较典型 AI GPU 约 50%（据博通 CEO Hock Tan） |
| 性能 | 成本更低，性能与 NVIDIA Blackwell GPU 相当 |
| 当前状态 | 工程样片已运行 GPT-5.3-Codex-Spark |
| 部署目标 | 2026 年底初步部署 |
| 规模目标 | 2029 年达到 10 GW 定制 AI 算力容量 |
| 路线图 | 多代平台——Jalapeño 是第一步 |
分工： OpenAI 负责底层架构设计，博通负责硅片实现和网络硬件，Celestica 承担板卡和机架系统集成。
财务背景： OpenAI 2025 年运营支出达 340 亿美元，而收入仅 130 亿美元。推理成本是 AI 产品公司最大的经常性支出，使得每 Token 经济学成为可持续 AI 部署的关键变量。
🔺 独家情报：别人遗漏的视角
置信度： 高 | 新颖度评分： 75/100
大多数报道将 Jalapeño 定调为 OpenAI 降低对 NVIDIA 依赖的举措。更深层的结构性转变是：OpenAI 正在将推理从可变成本（按 GPU 小时付费）转化为资本成本（拥有硅片，多年摊销）。在 2025 年 340 亿美元运营支出对 130 亿美元收入的背景下，AI 产品的单位经济学无法仅靠租用 GPU 基础设施实现可持续。与此同时，博通——而非 OpenAI——才是定制芯片竞赛中始终的赢家：Google、Meta 和 OpenAI 都在博通硅片上构建，使该公司 2026 财年第一季度 AI 芯片收入达 84 亿美元（同比增长 106%），承诺订单积压达 730 亿美元。真正的瓶颈不是设计雄心，而是台积电封装产能——已排满至 2026 年底，这意味着 OpenAI 要与所有其他超大规模厂商争夺有限的代工产能分配。
对 AI 基础设施团队的关键启示： 定制推理硅片将竞争护城河从”谁拥有最好的模型”转向”谁控制每 Token 成本曲线”——团队在评估 API 供应商时，规划 12 个月合同应将推理成本趋势的权重置于原始模型基准测试之上。
影响分析
Jalapeño 将 OpenAI 推入与 Google（TPU）、Amazon（Trainium）、Microsoft（Maia）和 Meta（MTIA）同级的定制硅片阵营。趋势不可忽视：每个具备足够规模的 AI 公司都在构建定制推理硅片，因为租用通用 GPU 的经济学无法支撑面向消费者的 AI 产品在大规模下的成本结构。
短期实际影响有限——Jalapeño 尚未量产，成本节省需要时间传导至 API 定价。更重要的长期信号是：AI 基础设施栈正在从底层重建，每一轮新的定制硅片都在缩小 AI 能力与商业规模运行成本之间的差距。
对 NVIDIA 而言，威胁不是被替代，而是利润率压缩。定制 ASIC 瞄准最可预测、最高吞吐量的工作负载（推理），留给 NVIDIA 的是训练市场和不足以支撑定制硅片的多样化 AI 工作负载长尾。博通作为多家 AI 公司共同的代工中间人，使其成为这场转型中结构性优势最强的参与者。
相关报道
来源
- OpenAI Blog: OpenAI and Broadcom Unveil LLM-Optimized Inference Chip (S 级)
- TechCrunch: OpenAI Unveils Its First Custom Chip Built by Broadcom (S 级)
- Reuters: OpenAI Unveils Custom Chip Designed with Broadcom (S 级)
- Forbes: Meet Jalapeño — OpenAI’s First Custom AI Chip, Built With Broadcom (A 级)
- Enterprise DNA: OpenAI’s Jalapeño Chip Cuts AI Inference Costs by 50% (A 级)
相关情报
Zyphra 获 5 亿美元 B 轮融资联手 AMD 挑战英伟达 AI 算力霸主地位
Zyphra 完成 5 亿美元 B 轮融资，估值达 50 亿美元，AMD 作为战略投资方深度参与。这是首个完全基于 AMD Instinct GPU 构建的大规模人工智能平台，标志着企业级 AI 基础设施首次脱离英伟达生态系统独立运营，为企业提供了供应链多元化的新选择。
芯片设计突破：Verkor 智能系统十二小时完成处理器架构
Verkor 设计指挥器从简短规格文档出发，在十二小时内产出经过完整验证的布局就绪处理器文件，将传统长达一年半至三年的芯片开发流程压缩至单日，展现了自动化设计的技术实力。
英伟达发布新一代 GPU 架构，模型推理成本相较上一代降低十倍
英伟达发布 Rubin GPU 平台，相较 Blackwell 架构实现混合专家模型推理成本降低十倍。集成 Vera CPU 的 3360 亿晶体管架构计划于 2026 年下半年量产，重新定义企业级人工智能工作负载经济性。