Note: This page does not support English, using the default language version
上周，OpenAI在深夜悄悄扔出了一颗”辣椒”。
2026年6月24日，OpenAI与博通（Broadcom）联合发布了首款定制AI推理芯片——Jalapeño。这个名字选得很有意思，直译过来是墨西哥辣椒，暗示这颗芯片不是用来做”主菜”（训练）的，而是用来”调味”（推理）的。
但如果你以为这只是颗普通的定制芯片，那你就太小看这件事了。
在聊意义之前，先说清楚这颗芯片是什么。
Jalapeño是一款专为大规模语言模型（LLM）推理设计的ASIC专用芯片，由OpenAI主导架构设计、博通负责代工制造，从设计到流片只用了9个月——这个速度在高性能定制芯片领域堪称奇迹。
芯片针对推理场景做了大量优化：
光看数据，这是一个技术突破。但为什么我说这件事”有意思”？
这才是重点。
过去，OpenAI本质上是一家”软件公司”——训练大模型，卖API接口，租云端算力。它的命脉握在两个地方：英伟达的GPU和微软的Azure。
每年数十亿美元的算力账单，让OpenAI在财务上始终处于”烧钱”状态。即使ChatGPT用户量惊人，即使API调用量持续增长，养着几万台GPU的云计算成本始终是悬在头顶的达摩克利斯之剑。
Jalapeño的出现，意味着OpenAI终于迈出了关键一步：把算力也握在自己手里。
而且，OpenAI有一个独特的优势——它拥有全球最大的AI推理流量池。ChatGPT每周服务2.3亿用户，GPT-5.5系列日均推理调用量是天文数字。这意味着OpenAI可以”自产自用”：用自己的推理负载验证芯片性能，用实际数据迭代优化，迭代速度远超传统芯片公司。
用OpenAI总裁格雷格·布罗克曼的话说：自研芯片是公司算力增长飞轮的核心支点——更强算力支撑更强模型，更多用户带来更多收入，更多收入投入下一代芯片研发。
这件事让我想到一个老话题：大厂们会”去英伟达化”吗？
从2026年的趋势来看，答案是”正在路上”。
OpenAI推出了Jalapeño，Google有TPU，Amazon有Trainium/Inferentia，Meta在自研芯片，Microsoft也在布局自己的AI芯片……每一家有规模的公司，都在想办法减少对英伟达的依赖。
但这里有个微妙的区别：这些定制芯片大多针对推理场景，而英伟达的核心优势在于训练端。训练一个大模型需要海量的GPU互联通信，这个领域的护城河依然很高。
所以更准确的判断是：推理芯片的战场正在多元化，而训练芯片的竞争格局变化较慢。
Jalapeño对英伟达的挑战是真实的，但也是有限的。它的真正意义在于——AI行业从”谁的GPU多”的时代，进入”谁的芯片更专”的时代。
这是很多人关心的问题：OpenAI自己做芯片了，AI会不会更便宜？
理论上，是的。
推理成本降低50%，意味着同样的算力可以服务更多用户，或者同样的用户可以用更低的价格享受更好的服务。如果这个成本优势最终传导到C端产品定价，那ChatGPT的订阅费、API的价格都可能进一步下调。
但我觉得更值得关注的是：这种”芯片+模型”垂直整合的模式，会不会成为未来AI公司的标准形态？
当OpenAI既能设计模型又能设计芯片，它就不再只是一家公司，而是一个闭环的AI生态。这种整合能力，是纯粹的模型公司或芯片公司都无法复制的。
OpenAI推出Jalapeño，表面上看是一个”供应链优化”的动作，但实质上是AI行业权力结构的一次重组。
当AI公司开始自己做芯片，当芯片公司开始做AI模型，当云厂商同时在两边布局——整个行业的边界正在模糊，竞争的核心也从”谁的模型更强”延伸到”谁的整合能力更深”。
这让我想起一个词：全栈AI公司。
这个词以前听起来有点虚，但现在OpenAI已经给出了最具体的诠释。从芯片到模型，从模型到产品，从产品到用户——全链路掌控，才是真正的护城河。
至于Jalapeño这颗”辣椒”最终能辣到什么程度，让我们2027年见分晓。
Loading comments...