OpenAI 与博通联合发布首颗 LLM 推理芯片 Jalapeño：九个月流片，推理成本比主流 GPU 降低 50%
OpenAI 与博通联合发布首颗 LLM 推理芯片 Jalapeño：九个月流片，推理成本比主流 GPU 降低 50%
2026/06/25
OpenAI 与博通（Broadcom）6 月 24 日正式发布首颗自研 AI 推理芯片 Jalapeño（代号"墨西哥辣椒"），采用台积电 3nm 工艺，仅用 9 个月完成从设计到流片的全过程，推理成本比主流 GPU 降低 50%。这是 OpenAI 从"算力租用者"向"全栈 AI 公司"转型的关键一步，也是同一天内高通发布 Dragonfly C1000、谷歌宣布向第三方出售 TPU 之外的第三枪——AI 推理基础设施正在从英伟达单一主导走向多路并行。
OpenAI 的芯片布局：从 GPU 依赖到垂直整合
OpenAI 过去几年的算力依赖路径集中体现在英伟达 GPU 上——训练和推理两个环节均依赖外部供给。这一依赖产生了两个约束：成本上，GPU 采购和租用是 ChatGPT 用户每笔对话背后最大的边际成本；战略上，OpenAI 的推理能力上限由英伟达的供给节奏和定价决定，而非自身技术决策。
转折发生在组建硬件团队阶段。OpenAI 芯片项目由前 Google TPU 工程师 Richard Ho 领导，团队选择了一条有别于通用 GPU 的专用化路线：Jalapeño 不追求通用计算，而是专为 LLM 推理的矩阵乘法和数据搬运特征优化，围绕"减少数据搬运、平衡资源分配"的原则设计架构。
更值得注意的是开发周期。标准芯片从设计到流片通常需要 18-24 个月，Jalapeño 仅用 9 个月。OpenAI 公开的原因是 AI 模型参与了芯片设计本身——辅助优化验证和布局布线流程，将开发周期压缩近半。这意味着 AI 工具链加速了 AI 硬件的迭代，而不只是加速了软件。
Jalapeño 已在 GPT-5.3-Codex-Spark 上运行，计划 2026 年底开始部署。博通 CEO 公开表态，Jalapeño 性能与英伟达 GPU、谷歌 TPU 处于同等水平。OpenAI 定位其为"多代计算平台的首步"，并计划按年迭代。
同日：谷歌开售 TPU，高通押注数据中心
Jalapeño 发布的同一天，另外两件事同步发生，三者合看才能理解其意义。
谷歌开始向第三方出售 TPU。此前谷歌 TPU 只能通过 Google Cloud 租用，这次改变意味着谷歌愿意让外部数据中心直接采购其 AI 算力。谷歌 TPU 本身是为矩阵运算深度优化的专用芯片，开放出售的核心逻辑是"让第三方用 TPU 生产更低价的 token"——谷歌从硬件销售和生态绑定中获益。
高通在投资者日全面转向 AI 数据中心。当天高通发布 Dragonfly C1000 数据中心 CPU（面向 Agentic AI 场景），宣布以近 40 亿美元收购 AI 芯片软件创业公司 Modular（补全编译器和软件栈），并锁定 Meta 作为多代 Dragonfly 合作伙伴。高通目标是 2029 年数据中心芯片业务规模达到 150 亿美元。
三者的比较维度是不同的"进入 AI 推理市场的路径"：
- OpenAI（Jalapeño）：垂直整合路线。自研芯片专为自身 LLM 推理优化，不对外销售，目标是降低自己的边际推理成本。直接竞争对手是英伟达作为其供应商的角色。
- 谷歌（TPU 外售）：开放平台路线。拥有自用多年的成熟 TPU，向第三方开放出售，既降低 token 生产成本又扩大平台覆盖。优势是 TPU 已经经过大规模生产验证。
- 高通（Dragonfly C1000）：通用 CPU 切入路线。Dragonfly 是 Arm 架构数据中心 CPU，定位 Agentic AI 工作负载的 CPU 层，补足了智能体场景下内存带宽和调度密集型任务的需求，而非只针对矩阵运算。高通的差异化在于 Modular 软件栈和 Meta 这样的超大规模客户。
英伟达仍然是最大的缺席者——没有在这一天做出对等回应。
这一天揭示的结构变化
三件事同时发生不是巧合。过去两年，AI 推理成本一直是大模型商业化的核心约束。每当有人问"ChatGPT 什么时候盈利"，最终答案都绕不开推理成本：每次对话消耗多少 GPU 算力，乘以 GPU 租用价格，就是 OpenAI 的成本底线。
Jalapeño 的意义在于：OpenAI 正在把这条成本约束从外部变量变成自己能控制的内部变量。如果推理成本降 50% 成立，即使商业化定价不变，单位利润空间就扩大了一倍。OpenAI 的内部判断是，专用推理芯片能将核心任务运行效率提升至接近硬件理论极限——这是通用 GPU 因为需要兼顾多种计算场景而无法实现的。
从这里推断（来源：APPSO 报道）：Jalapeño 是"多代计算平台的首步"，意味着 OpenAI 已确认这是一条长期路线，而不是一次性实验。每年迭代的芯片 + AI 辅助设计加速周期，会让 OpenAI 的推理成本以比英伟达 GPU 性价比提升更快的速度下降。
对金融科技团队的参考意义：当前 AI 应用的部署成本预测，往往以英伟达 GPU 价格作为基准。Jalapeño 的出现意味着 OpenAI API 的定价曲线存在超预期下降的可能，而谷歌 TPU 外售和高通 Dragonfly 带来的多供应商竞争，会在整个推理市场形成价格压力。这对任何将 AI API 成本纳入金融科技产品成本结构的团队，都是值得重新审视基准假设的时机。