随着生成式人工智能持续快速发展，算力成本已成为全球人工智能企业面临的重要挑战。为降低对外部硬件供应的依赖并提升运营效率，OpenAI正加快推进自主芯片研发，与芯片设计公司博通合作开发首款专为大语言模型推理优化的定制人工智能芯片“Jalapeño”，进一步完善其人工智能基础设施布局。
据了解，Jalapeño属于专用集成电路（ASIC），主要针对大型语言模型推理场景进行设计，而非传统通用计算任务。与通用AI加速器相比，该芯片更加注重计算能力、内存带宽和网络通信之间的协同优化，旨在减少数据传输带来的性能损耗，从而提高人工智能模型的运行效率。
根据公开信息，OpenAI负责芯片整体架构设计，博通承担芯片工程开发及高速网络集成，芯片制造则由台积电完成，服务器及机架系统由合作企业负责组装。目前，早期测试样品已进入验证阶段，能够满足部分前沿人工智能模型的运行需求，为后续规模部署奠定基础。
近年来，随着ChatGPT等生成式人工智能产品用户规模不断扩大，算力需求持续攀升。业内数据显示，大型语言模型不仅需要巨额训练投入，模型上线后的推理服务同样需要长期消耗大量计算资源。随着全球用户持续增长，数据中心建设、芯片采购、电力供应及网络设施等成本已成为人工智能企业的重要支出项目。
业内人士认为，自主研发芯片有助于企业降低长期运营成本，同时提升硬件与软件之间的协同效率。通过围绕自身模型特点设计专用处理器，企业能够针对推理任务进行更精准优化，从而提高算力利用率、降低单位计算成本，并减少对外部供应链的依赖。
目前，全球主要科技企业均在积极布局自研人工智能芯片。谷歌早已推出张量处理单元（TPU），亚马逊持续发展Trainium和Inferentia系列芯片，微软和Meta也不断扩大自主硬件研发投入。随着人工智能竞争逐渐从模型能力延伸至底层基础设施，自研芯片已成为大型科技企业提升综合竞争力的重要方向。
OpenAI表示，自研芯片是公司长期全栈基础设施战略的重要组成部分，希望通过自主设计更多核心技术，提高计算效率，为未来更大规模的人工智能模型提供支撑。据介绍，该项目从设计启动到完成流片仅用了约九个月，研发过程中还利用人工智能模型协助部分芯片设计和优化工作，形成了人工智能辅助硬件研发的新模式。
分析人士认为，随着人工智能产业进入规模化应用阶段，企业之间的竞争已不仅体现在模型性能和产品功能，更逐步扩展至芯片、数据中心、网络互联及能源效率等基础设施领域。未来，谁能够建立更加高效、自主的算力体系，谁就更有可能在新一轮人工智能产业竞争中占据优势。自研芯片的推进，也标志着人工智能企业正加速向软硬件一体化的发展模式转型。
