聊天机器人每回答一个问题，某处的机架就在燃烧电力预测下一个词。这笔账单涨到一定程度，付账的公司开始自己设计处理器。其中最庞大的一项努力的首个成果已经公开亮相，它正在改写运行大模型的经济学。
芯片背后的协议
2025年10月13日，OpenAI与博通宣布合作部署10吉瓦OpenAI自设计的定制AI加速器。据博通公告，双方签署条款清单：OpenAI负责加速器与系统设计，博通负责硅实现与以太网网络，机架部署计划于2026年下半年启动、2029年底前完成，覆盖OpenAI自有设施与合作伙伴数据中心。
2026年6月24日，双方发布Jalapeño——公告称之为OpenAI首款自研智能处理器，一款完全围绕大语言模型推理需求从头设计的加速器。首秀附带的要点：
- 从初始设计到流片只用了9个月，两家公司称这可能是高性能半导体史上最快的ASIC开发周期；
- 工程样片已在实验室以目标频率和功耗运行真实负载，包括OpenAI的GPT-5.3-Codex-Spark模型；
- 据两家公司称，早期测试显示每瓦性能显著优于现有最先进产品；
- 部署计划2026年底启动，组合OpenAI设计的加速器、博通Tomahawk网络芯片与Celestica的机架系统集成。
OpenAI的动机说得很直白：自己造芯片，就能把运行前沿模型的经验直接固化进硬件。
为什么专用芯片在这件事上赢过通用芯片
GPU什么都能做：图形、训练、科学计算、推理。而纯推理加速器只做一件事——把一个固定的模型向前跑，每秒百万次。这种“狭窄”在三个层面兑现成回报：
1. 不留通用性浪费：架构可以精确贴合自家模型的算子、内存搬运与服务模式。
2. 规模经济学：服务数亿用户时，每颗芯片哪怕小幅的效率提升，都会在电力与硬件成本上复利放大。
3. 议价能力：拥有自己的设计，就不再完全受制于任何单一供应商的配额与定价。
博通CEO陈福阳向彭博表示，早期样片相比典型AI GPU有约50%的成本节省——这是厂商自述、没有公开基准佐证，但足以说明定制路线的进攻性。
浪潮远不止一颗芯片。博通称目前有六大定制芯片客户，包括与谷歌TPU多年的合作；竞争对手迈威尔（Marvell）也经营着可观的定制AI硅片业务。最大的AI实验室和云平台殊途同归：推理成本已经大到不能全部交给通用商用硬件。
据脑机网（BrainNet）首席科学家李安观察，这一转变标志着AI基础设施正从淘金热走向工程学科——拥有自研硅片的公司可以把模型、内存和网络作为一个系统协同设计，而不是三次采购决策。
诚实的局限
- 头条数字是厂商自述：OpenAI与博通均未公布Jalapeño的独立基准，承诺的详细技术报告尚未发布。
- 推理不等于训练：定制加速器在训练侧进展有限，英伟达平台仍占主导。
- 灵活性有代价：为某一模型家族深度定制的芯片，在架构切换时可能面临昂贵的重新设计，而通用GPU靠软件栈能更从容地消化这种变化。
- 执行风险真实存在：9个月的设计周期压缩了验证时间，10吉瓦部署横跨至2029年，供应链与数据中心建设都有多年窗口可以出错。
普通人现在能做什么
1. 在云端跑AI负载的人，关注定制硅片对价格的影响——超大规模厂商把推理转向自研加速器后，推理密集的云服务是省钱最先浮现的地方。
2. 追踪芯片行业的人，等技术报告发布后认真读一读，独立性能数据将检验定制硅片论点能否经受真实数字的检验。
3. 做AI产品的人，把训练成本与推理成本分开做预算，两者正走向不同的硬件、不同的经济学。
关键要点
- OpenAI与博通2025年10月签下10吉瓦定制加速器条款清单，机架部署2026年下半年启动、2029年底完成。
- Jalapeño于2026年6月发布，9个月完成设计到流片，专为LLM推理而生，搭配博通网络与Celestica系统集成。
- 定制浪潮覆盖博通六大客户、谷歌TPU与迈威尔的竞争业务，驱动力是推理专用设计的成本与控制权优势。
- 局限同样清晰：无独立基准、训练侧乏力、以及通用GPU没有的架构锁定风险。