如果你做模型 serving、关注推理成本，或者在盯算力供应链，这条值得停下来看：OpenAI 不再只是英伟达 GPU 的大买家，它和博通一起把自己设计的芯片摆上了台面。这颗代号 Jalapeño 的芯片，是 OpenAI 第一颗专为大语言模型推理打造的定制 ASIC——OpenAI 把它称作自己的「Intelligence Processor」。 先把概念铺平。训练和推理是两件事：训练是把模型从数据里学出来，推理是模型上线后响应用户请求、实际「干活」的那一步。日常每一次对话、每一次代码补全，烧的都是推理算力，规模上去之后这部分的电费和硬件成本会成为主导开销。Jalapeño 的定位正是推理这一端，目标直白——降低对英伟达 GPU 的依赖，把单位推理的成本压下来。ASIC 是「专用集成电路」，相对通用 GPU 的好处是：只为一类固定任务设计，能在功耗和效率上做得更极致，代价是不够通用。 研发速度是这条新闻里 OpenAI 主动强调的点。从设计到流片（tape-out，即芯片设计定稿、交付制造的节点）只用了 9 个月，OpenAI 称这是它所知最快的高性能半导体开发周期，并且过程中用了自家模型来辅助设计。这条合作本身不是突然冒出来的——OpenAI 与博通的合作早在 2025 年 10 月就官宣过，这次是把成果正式揭晓。分工上，OpenAI 负责芯片设计，博通负责制造与网络（用到其 Tomahawk 系列网络芯片），Celestica 负责板卡、机架和整机系统集成。 部署节奏方面，首次落地计划在 2026 年底，规模被描述为「吉瓦级」（gigawatt scale，以整体供电功率衡量数据中心体量的说法，意味着不是小批量试水而是大规模上线），涉及微软等合作方。微软据报道已同意买下首批产量的 40%。需要说明的是，部署规模与微软这 40% 的细节出自 The Decoder 的报道口径；TechCrunch 的同题报道只点了博通，并未提及部署规模、微软占比，也未提 Celestica——两边能对得上的硬核内容是「自研推理芯片、9 个月周期、降低英伟达依赖、为实时编程模型这类低成本推理场景优化」。 性能上必须客观看。OpenAI 自报这颗芯片的每瓦性能「显著优于」当前最先进硬件，但官方同时明说这些是尚未最终敲定的自报数字、要「打个折扣看」，而且芯片仍在测试阶段。换句话说：没有第三方未污染的基准，没有公开的具体 perf-per-watt 数值，也没有公开的制程节点（多少纳米原文未给出）和与英伟达芯片的直接对比数字——这些原文都未给出。 它意味着什么？对做推理基础设施和成本核算的人，这是头部实验室「自己造芯、把成本和供应抓在手里」趋势的又一个明确节点：当推理量大到一定程度，定制硅的经济性就值得为之专门下注。但现在能确认的是方向和时间表，不是已验证的性能优势——真实分量得等芯片量产、第三方评测出来才能下结论。