OpenAI
2026-06-30
OpenAI联合博通发布Jalapeño推理芯片，9个月流片，2027年量产，直指GPU替代
内容摘要
核心要点
OpenAI与博通联合发布首款定制推理芯片Jalapeño，由OpenAI负责架构设计，博通实现硅片与网络硬件，Celestica集成板卡与机架，台积电制造。依托自研大模型辅助，从顶层设计到流片仅耗时9个月，早期测试显示性能/瓦特显著优于现有方案。
物理样品已于2026年6月24日交付，计划2026年末小规模部署，2027年快速爬坡，2028年上半年全面规模化量产。博通2026财年Q2 AI半导体收入达108亿美元，同比暴增143%，CEO陈福阳称六大核心客户算力需求近乎无限。
市场研究显示，大规模推理部署中ASIC相比通用GPU的总拥有成本（TCO）优势达40%至65%。TrendForce预测2026年定制AI芯片出货量增长44.6%，而商用GPU仅16.1%。
重要性说明
OpenAI此举表面是技术突破，本质是在防守NVIDIA的GPU垄断，并试图通过芯片-模型深度绑定锁定用户生态。Jalapeño针对OpenAI自家推理负载优化，若模型迭代（如从GPT-4到GPT-5），其架构灵活性存疑——定制ASIC的尾部延迟和批处理效率可能随模型变化而退化，而NVIDIA GPU通过CUDA生态和TensorRT仍可灵活适配。
更关键的是，OpenAI与博通合作引入了博通网络硬件（可能是Tomahawk或Jericho系列交换机），这意味着用户若采用Jalapeño集群，可能被迫绑定博通的RoCEv2或InfiniBand网络方案，丧失跨厂商网络弹性。同时，Celestica的机架集成进一步加深供应链锁定——一旦量产爬坡延迟或良率问题（台积电先进制程产能紧张），用户将面临供应风险。
原文故意淡化ASIC的物理限制：定制芯片无法像GPU那样通过软件升级获得新算子支持，且内存带宽和HBM容量固定，无法适应未来更大模型。此外，9个月快速流片可能牺牲了功耗优化和散热设计，实际部署中机架功耗密度可能高于预期。
PRO 决策建议
【厂商（竞争对手）】
NVIDIA应立即加速GPU推理专用优化，如推出更高性价比的L40S或B200变体，并强化CUDA生态的模型适配工具（TensorRT-LLM、Triton Inference Server），强调ASIC的灵活性不足。AMD可联合Broadcom的对手（如Marvell、Intel）推出开放ASIC参考设计，攻击Jalapeño的封闭生态。Google TPU和AWS Trainium应突出自身已成熟的定制芯片生态和跨模型兼容性。
【企业（CIO/架构师）】
进行零信任技术审计：要求OpenAI提供Jalapeño与主流GPU（H100、B200）在相同模型下的独立基准测试，包括尾部延迟、吞吐量/瓦特、内存带宽利用率。评估博通网络锁定风险：是否支持标准RoCEv2和开放交换机？要求合同明确芯片代际升级路径和模型迁移成本。避免单一供应商依赖，保留多云/多硬件选择。
【投资者】
看穿公关辞令：Jalapeño的TCO优势基于当前模型，但模型迭代速度和ASIC折旧周期（3-4年）不匹配。关注博通AI收入集中度（六大客户），若OpenAI自研芯片成功，博通可能失去一个核心客户。台积电先进制程产能紧张将影响量产节奏。长期看好定制ASIC趋势，但需警惕过度垂直整合带来的生态碎片化风险。
觉得这篇分析有用？
每周收到3-5条AI基础设施关键信号 →
💬 评论 (0)