OpenAI联手博通造芯：AI巨头从拼模型到拼芯片

先说结论：OpenAI发布自研芯片这件事，比GPT-5.6更值得关注。因为它的底层逻辑变了——从「更好的模型」转向「更便宜的推理」。

Jalapeño是什么？

6月24日，OpenAI和博通联合发布了首款定制AI推理芯片，代号Jalapeño（墨西哥辣椒）。这不是通用GPU，而是专为大语言模型推理设计的ASIC芯片。台积电3nm制程，从立项到流片只用了9个月，OpenAI自称是「高性能半导体史上最快的ASIC开发周期」。

几个关键数据：博通负责硅片实现和网络互联，Celestica负责系统集成。首批部署计划在2026年底，规模是吉瓦级数据中心。工程样品已经在实验室以目标频率跑GPT-5.3-Codex-Spark的工作负载，能效比号称「显著优于当前SOTA」。

翻译成人话：以后跑一次GPT的成本，会大幅下降。

为什么自研芯片是必然的？

不搞虚的，只讲能跑的逻辑。AI公司自研芯片不是一个「要不要」的问题，是一道数学题。假设GPT-5.6一次推理需要消耗X个GPU小时，每天处理10亿次请求，那每天光推理成本就是一笔天文数字。而英伟达的毛利率超过70%——这70%就是OpenAI自研芯片可以省下来的空间。

Google有TPU，Amazon有Trainium和Inferentia，微软有MAIA，Meta有MTIA。现在OpenAI也入场了。这不是跟风，是谁不自研芯片谁就永远在给英伟达打工。

更关键的是：通用GPU为了适配所有计算场景，设计上有很多冗余。ASIC只跑自己模型的推理，可以把这些冗余全砍掉。就像你不需要一辆能越野能拉货能赛跑的车，你只需要一辆专门送外卖的小电驴，成本自然是天壤之别。

跟英伟达的关系：不是替代，是博弈

训练端，OpenAI短期内离不开英伟达。GPT-5.6的训练用了大量GPU集群，ASIC目前替代不了大规模分布式训练。但推理端完全不同——一旦Jalapeño量产，OpenAI大部分推理负载可以迁移到自研芯片上。

这对英伟达不是致命的（训练GPU需求仍然巨大），但会影响利润率。英伟达也在布局自己的推理芯片和AI服务，两边的博弈会越来越微妙。

对中国AI的启示

国内大模型公司目前几乎全部依赖英伟达GPU做推理，成本高企。华为昇腾、寒武纪等国产芯片虽然在追赶，但在大模型推理优化上和英伟达还有代差。

长远来看，中国AI要摆脱芯片依赖，只有两条路：要么国产芯片性能追上来，要么算法层面做到极致优化让推理成本大幅下降。DeepSeek的推理加速框架DSpark走的是后一条路，是个好方向。

AI竞争的下半场，拼的不是谁的模型参数大，是谁的推理成本低。Jalapeño只是第一枪。