OpenAI 与 Broadcom 公布 Jalapeño 推理芯片，头部 AI 公司开始把“模型之争”进一步推到自研推理基础设施
学术圈重大事件 · 发布 2026-06-25T06:27:00+08:00 · 更新 2026-06-25T06:33:20+08:00
OpenAI 6 月 24 日宣布与 Broadcom 联合推出首款自研推理加速器 Jalapeño，并称其是一个多代计算平台的第一颗芯片。对科研和产业界真正重要的不是又多了一颗 AI 芯片，而是 OpenAI 明确把竞争边界从模型、服务系统继续下沉到 ASIC、板卡、机架与网络协同，意味着未来大模型性能、成本和部署速度的差异，会越来越多地由“谁能控制推理栈”决定。
OpenAI 6 月 24 日发布公司公告，宣布与 Broadcom 联合推出面向大语言模型推理的首款自研加速器 Jalapeño，并把它定义为 OpenAI 第一颗 “Intelligence Processor”。公告披露的信息很直接：这不是单次试验性流片，而是一个多代计算平台的第一颗芯片，OpenAI 负责围绕 LLM 推理需求定义架构，Broadcom 与 Celestica 则参与芯片实现、板卡、机架系统集成、高性能网络与量产体系。对外口径已经不再是“我们在用谁的 GPU”，而是“我们正在自建推理全栈”。
最值得注意的有三点。第一，OpenAI 明确说工程样片已经在实验室以目标频率和功耗运行机器学习负载，其中点名了 GPT-5.3-Codex-Spark。第二，官方声称早期测试显示其单位功耗性能将显著优于当前最先进水平，虽然完整技术报告还要后续公布，但这已经说明其目标并不是补一块定制卡，而是要在推理成本结构上做实质性改写。第三，公告强调该平台将与数据中心合作伙伴一起按 gigawatt 级别部署，并且从设计到 tape-out 只用了九个月，这种速度本身就是把软件、模型和芯片共同设计的宣示。
为什么这件事应放在“学术圈重大事件”而不是普通公司新闻栏？因为前沿模型研究已经越来越受制于推理预算。过去行业对基础设施的讨论大多集中在训练算力和先进 GPU 供给，但真正决定模型能否大规模落地、能否在长上下文、工具调用、实时代理和企业工作流里稳定运行的，越来越是推理侧的成本、吞吐、数据搬运和网络拓扑。OpenAI 现在把芯片路线公开，相当于承认头部实验室不再满足于依赖通用供应链，而要把模型设计、编译栈、服务系统和芯片架构一起优化。
对研究生态的外溢影响也很现实。如果 OpenAI 这一路线成立，未来学界和产业界评估模型能力时，就不能只看 benchmark 和参数量，还要看特定硬件平台对推理行为的塑形作用。自研推理芯片可能让某些模型架构更容易被偏好，也可能提高封闭系统的性能优势，进一步抬高开源模型在大规模部署场景里的竞争门槛。与此同时，官方尚未给出完整实测曲线、制程细节、成本数据和对其他模型的可复用范围，因此这更像是一次战略边界前移，而不是已经被第三方验证的性能定论。
信息来源
可信度说明
核心来源是 OpenAI 6 月 24 日公司公告，属于一手发布，能直接核验芯片命名、合作方、九个月 tape-out、gigawatt 级部署目标和早期“单位功耗性能更优”的说法。限制在于当前仍缺少第三方基准、详细制程与成本数据，因此对其实际推理优势只能做方向性判断。