OpenAI：Jalapeño — 减少对NVIDIA依赖的自研LLM推理ASIC芯片

OpenAI与博通于2026年6月24日宣布Jalapeño——一款专为LLM推理优化的定制ASIC芯片（专用集成电路，专为单一类型任务设计），即在生产环境中运行语言模型，而非训练。这一宣告标志着转折点：OpenAI不再仅仅是他人硬件的买家，开始打造自己的芯片栈。

Jalapeño为何是OpenAI的战略转型？

此前OpenAI的基础设施几乎完全依赖NVIDIA GPU——价格昂贵、全球需求旺盛，且受制于单一供应商，近年来因需求超过产能而导致交货延迟。Jalapeño使OpenAI与谷歌（TPU——张量处理单元）、亚马逊（AWS Trainium）和苹果（神经引擎）并列，成为掌控自己芯片栈的公司。每款芯片都针对特定AI工作负载设计，在该细分任务上实现比通用GPU更好的性能能效比。对比而言：谷歌通过TPU运行Gemini模型，每令牌成本是NVIDIA H100集群难以匹敌的。

性能、能效与博通的经验

项目目标三重：提升推理任务性能、提高能源效率和更便捷的基础设施扩展。博通在定制芯片设计和供应链方面拥有丰富经验——同一家公司参与了谷歌TPU和Meta MTIA芯片的开发——表明与现有数据中心基础设施的高度集成。

详细技术规格——晶体管数量、内存带宽、支持的数值精度（FP8、BF16、INT8）——在首次宣告中尚未公布，这是芯片生产部署前早期披露的惯常做法。完整架构和基准测试结果预计将在后续公告中发布。

定制芯片竞赛——谷歌、亚马逊、微软、特斯拉

AI定制芯片竞争持续加剧。谷歌通过TPU v5e和v5p为Gemini实现了每令牌成本优势。AWS Trainium 2满足Anthropic的训练和推理需求。微软依赖Maia 100处理Azure AI工作负载。特斯拉使用Dojo处理自动驾驶。Jalapeño赋予OpenAI类似的筹码——从模型架构到运行模型的芯片优化整个栈的能力，无需依赖NVIDIA路线图和定价政策。

对行业的影响

如果OpenAI成功大规模生产部署Jalapeño，推理成本可能大幅下降——这将反映在ChatGPT API价格和未来更大模型的容量上。此举同时加大了对NVIDIA的压力：尽管2025财年AI芯片收入超过1000亿美元，越来越多的大客户正在开发替代方案。Jalapeño目前只是一项宣告——但其战略分量超越了尚未披露的技术细节。