一句话看懂：OpenAI 联合博通推出了首款定制 AI 推理芯片 Jalapeño，标志着大模型公司开始垂直整合算力。同期，高通向 PC 和汽车领域跨界，IBM 则聚焦未来十年的芯片微缩技术，算力竞争已从模型层扩展至硬件底层。
事件核心：发生了什么
2025 年 6 月 24 日，OpenAI 与博通合作推出首款定制 AI 推理芯片 Jalapeño。该芯片专为大语言模型推理设计，而非通用计算，可兼容所有主流 LLM，并在测试中成功运行了 GPT-5.3-Codex-Spark 等模型的工作负载。OpenAI 总裁 Greg Brockman 表示，此举源于对算力驱动经济的判断——目前维持 ChatGPT 服务器响应的年成本已达 84 亿美元，预计 2025 年将攀升至 140 亿美元。与此同时，高通正加速向 PC 和汽车 AI 芯片跨界，IBM 则宣布其未来十年的芯片微缩技术路线，聚焦在 1nm 以下节点的持续突破。
为什么重要
OpenAI 造芯改变了 AI 算力的供应链结构。此前，OpenAI 依赖与亚马逊 AWS、AMD、Cerebras、谷歌等多家厂商的合作来锁定多元算力，但自研芯片意味着它开始从“算力购买者”变为“算力设计者”。Jalapeño 不追求通用性，而是通过减少数据搬运、优化计算与内存资源配比，使芯片的实际利用率更接近理论峰值。这直接回应了 AI 推理成本快速膨胀的行业痛点——随着 ChatGPT 周活跃用户超 9 亿，且 AI 从单次问答向持续运行的智能体进化，推理算力需求远超训练阶段。高通的跨界则意味着移动端算力标准正被重写，而 IBM 的微缩路线图（面向 1nm 以下制程）展示了对物理极限的挑战方向。三类玩家——模型公司、移动芯片巨头、传统计算巨头——分别以自研、跨界、前沿探索的方式参与竞争，过往由英伟达等少数厂商主导算力市场的格局正走向分散。
对用户/开发者/创作者的影响
对开发者来说，OpenAI 的定制芯片若落地商用，可能降低 API 调用成本。目前推理成本是使用 GPT 系列模型的主要门槛，Jalapeño 的“每瓦性能”优化有望在同等功耗下提供更多推理次数，从而拉低价格。对创作者而言，如果芯片效率提升转化为更低的使用费，生成式 AI 工具（如文本、图像和代码生成）的日常使用将更经济。对企业和采购方来说，算力供应商的多元化意味着议价空间增加，但也需关注不同芯片的兼容性和迁移成本——Jalapeño 虽然兼容所有 LLM，但目前的性能基准数据尚未公开，实际效果需等产品落地验证。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，Jalapeño 芯片的具体性能指标和量产时间表。目前 OpenA 尚未公开基准测试数据，需观察其相比英伟达 H100/B200 等现有芯片的性价比表现。第二，OpenAI 是否会向第三方开发者开放该芯片的算力租赁服务，或仅用于降低自身运营成本。第三，高通的 PC 和汽车 AI 芯片能否在生态兼容性上突破，以及 IBM 的微缩技术是否能在 2027 年左右转化为可商用的量产工艺。监管方面，算力芯片已成为各国技术管控的重点对象，跨界玩家的参与可能触发新的出口管制与反垄断审查。
来源：Readhub · AI
