2026 年 6 月 24 日，OpenAI 與 Broadcom 共同揭曉 Jalapeño——OpenAI 的第一顆自研 LLM 推理晶片。兩家公司表示，這顆晶片從設計到量產只花了約九個月，並宣稱它在關鍵推理基準上擊敗 NVIDIA 的 GB300。
兩個地方值得停下來看：九個月，以及「宣稱」。前者是工程速度的宣示；後者提醒我們，基準數字目前出自當事人之口，還沒有獨立評測背書。
九個月，從設計到量產
晶片從設計走到量產，向來以年為單位計。Jalapeño 能壓到約九個月，與它鎖定的問題空間有關：這是一顆推理晶片，不必追逐最頂尖的訓練效能，目標是把既定的工作負載跑得更快、更省。目標收斂，設計空間跟著收斂。與 Broadcom 的合作也把設計端與後段製造的介面拉成一條直線，省掉的是傳統上下游之間的往返成本。
「宣稱擊敗 GB300」的分量
精確地說，擊敗 GB300 是 OpenAI 與 Broadcom 的說法；GB300 是 NVIDIA 的高階加速器。在獨立評測出現之前，這句話應該當宣示讀，不該當事實讀。
但宣示的方向本身有意義：它把競爭軸線從「誰的 model 比較強」，推進到「誰的每 token 推理成本更低」。對一家以 API 與訂閱規模化營收的公司，推理成本是直接吃掉毛利的變數——自己設計晶片，等於把這條成本曲線的掌控權拿回手裡。
為什麼前沿實驗室開始自研晶片
Jalapeño 不是孤立事件，而是趨勢的一環。實驗室自研推理晶片的動機可以整理成三條：
- 成本：推理是規模化之後最大且最持續的開銷，自研把單位成本握在自己手裡
- 最佳化：針對自家工作負載的特性做設計，不必遷就通用晶片的取捨
- 供應：在 GPU 產能與地緣政治的雙重不確定性下，多一條供應線就是多一分緩衝
對 NVIDIA 與市場的意義
這不等於 OpenAI 與 NVIDIA 分道揚鑣。Jalapeño 是推理晶片，訓練側的巨量 GPU 需求不在這次宣稱的範圍內。真正的訊號是：最大的 GPU 買家，開始為自己量最大的工作負載打造替代品。
對 NVIDIA，這預告了頂端客戶的結構性轉向——通用算力仍是大盤，但最重的推理負載會逐塊移向自研的特殊用途晶片。對整個市場，這是算力堆疊分層的開始：前沿實驗室與雲端巨頭自研專用晶片，NVIDIA 的位置取決於新平台能否維持夠快的進化節奏。對開發者，短期內什麼都不用改變；長期而言，推理價格的下行壓力，會從晶片層一路傳導到 API 定價。
參考來源
- OpenAI and Broadcom unveil the Jalapeño inference chip — OpenAI
- OpenAI and Broadcom reveal Jalapeño, their first AI chip — CNBC
本文由 AI 協助自上述來源整理，經人工審核後發布。