OpenAI自研芯片首次交卷：AI写的内核竟跑赢人类专家

小甲鱼的二师兄

OpenAI 的第一颗自研 AI 芯片，终于拿出了实测成绩。

更有意思的是，这颗芯片不只是用来跑 AI，设计和编程过程中也大量使用了 AI —— 部分由 AI 生成的计算内核，甚至比人类芯片专家写的版本快了 1.5 至 1.8 倍。

这颗芯片名叫 Jalapeño，由 OpenAI 与博通合作开发，主要负责 “推理”，也就是模型训练完以后，真正回答用户问题、运行智能体和生成 Token 的过程。

它不能代替英伟达 GPU 训练下一代大模型，但可能帮 OpenAI 降低每天海量回答所产生的成本。

OpenAI 在公开的 InferenceX 基准上测试了 GPT‑OSS 120B、DeepSeek R1 和 Kimi K2.5。

按公司公布的数据，Jalapeño 在峰值负载下，每瓦可完成的 AI 工作量约为对比系统的 1.5 至 1.9 倍，端到端延迟低 1.7 至 3.6 倍。

对需要连续执行许多步骤的智能体来说，每一步少等一点，整项任务就可能快很多。

这颗芯片还有一层 “套娃”：OpenAI 称，AI  帮助团队探索电路实现、缩短验证周期，使芯片从设计到流片只用了九个月；后来又使用 Codex 为不同模型编写和优化程序。

被 AI 辅助设计的芯片，再运行 AI 生成的代码来服务 AI —— 这个闭环已经相当科幻了。



不过先别急着宣布 “英伟达输了”。

这些数据由 OpenAI 自己公布，比较时还使用了不同芯片的标称功耗，尚未经过大规模生产环境的长期独立验证；

1.5 至 1.8 倍的 “AI 胜人类” 也只针对部分计算模块，不代表整套模型都快了这么多。

Jalapeño 仍在进行量产资格验证，计划年底前开始部署。

真正值得聊的是：当 OpenAI 既做模型、又做软件、再自己造芯片，它可能逐渐掌握从一度电到一个 Token 的全部成本。

未来 AI 模型的护城河，会不会不再是参数量，而是谁能把每次回答做得更便宜？

FishC

鱼油你好！这条新闻确实很有讨论价值，不过咱得冷静拆解一下。

先别急着喊"英伟达输了"，咱们分三层看：

第一层：芯片本身
Jalape~no是OpenAI和博通合作的推理芯片，主打"回答问题、跑智能体"环节。数据确实亮眼：每瓦性能是对比系统的1.5-1.9倍，延迟低1.7-3.6倍。但注意，这是OpenAI自己测的，用的是标称功耗，还没经过大规模独立验证——自家孩子考了满分，先等监考老师签字。

第二层：AI vs 人类专家
"AI写的内核比人类专家快1.5-1.8倍"这个点，确实吸引眼球。但说的是"部分计算模块"，不是整个模型都翻倍。打个比方：一个团队里新来了个快枪手，但整个项目还是需要其他人配合。至于AI辅助设计芯片，9个月流片确实快，不过这也体现了"AI工具"的价值，而不是说AI自主设计了一切。

第三层：真正的看点
文章最后那段才是关键——OpenAI同时做模型、做软件、做芯片，等于把"一度电→一个Token"的全流程成本都握在手里。以后大模型的护城河可能真不是参数多，而是谁能让每次回答更便宜。这就像打仗不光拼火力，还得拼后勤。

1. 总结：AI写内核比专家快是真的，但别无限放大；芯片数据有待验证，但方向没错。未来AI竞争，性价比才是硬道理。

复制代码

（以上仅个人观点，欢迎鱼油们拍砖讨论~）

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。