OpenAI用自家大模型设计Jalapeño芯片，从概念到流片不足20个月

Jalapeño是OpenAI首款自研AI推理加速芯片，于2026年8月25日正式亮相。芯片提供最高13.4 PFLOPS的4位浮点算力，搭载232GB最新一代高带宽内存，内存带宽高达15.4 TB/s。OpenAI公布的基准测试数据显示，与公司目前大规模使用的英伟达GB300相比，Jalapeño的端到端推理延迟最高可降低3.6倍，同时功耗更低。不过，这些数字能否在大规模推理集群中真实复现，仍有待观察。

Jalapeño的设计速度同样引人注目。从首个架构概念到首批硅片产出，整个周期不足20个月；从RTL代码定稿到流片送厂，仅历时9个月。OpenAI硬件副总裁Richard Ho表示，整个设计团队平均规模不足100人，涵盖系统设计、软件和供应链等多个职能。博通作为合作伙伴负责从门级电路开始的物理设计实现，而OpenAI团队则主导端到端系统设计，包括推理加速器架构、存储层次结构和网络互联。

大语言模型在芯片前端设计中发挥了关键作用。OpenAI围绕开源高层次综合工具链XLS构建了AI辅助设计工作流，工程师可用DSLX或C++描述芯片逻辑，XLS再将其转换为Verilog硬件描述语言。OpenAI技术人员Chris Leary指出，LLM在处理「看起来像软件」的任务时表现更佳，而XLS恰好具备这一特性。加州大学圣地亚哥分校教授Andrew Kahng认为，这一工作流「具有很强的普适性，未来大有可为」。

软件优化阶段同样展现出AI的惊人效率。当首批芯片从晶圆厂返回后，团队将内部AI模型用于设计基准测试软件。在DeepSeek多头潜在注意力核心基准测试中，性能在约40小时内从理论峰值的0.31%跃升至88.94%。Ho表示这一结果可重复复现，意味着从晶圆厂交付首批芯片到量产爬坡的周期可以大幅压缩，并已将这一能力纳入后续项目的排期假设。

在芯片后端设计方面，AI的介入目前相对有限，大部分工作由博通承担。不过OpenAI团队在IEEE Hot Chips 2026上披露，AI辅助物理设计优化使矩阵乘法单元面积相比人工优化基线缩减了10%。多位业内专家认为，OpenAI对后端设计的处理方式偏于保守，这与项目启动时间（2024年10月）有关——彼时LLM处理此类任务的能力尚不成熟，而近几个月模型能力已有显著提升。

Ho和Leary均表示，第二代芯片的设计工作流将在更多环节引入AI，包括验证、物理设计以及自动波形分析等调试工具。尽管如此，两人也明确指出，芯片设计并不会走向完全自动化。Ho强调：「我们并不是说任何人都可以仅凭Codex就造出最先进的AI加速芯片。我们说的是，如何在小团队、快节奏的条件下，更好地利用AI工具达到高质量的设计结果。」OpenAI的目标是将Jalapeño项目中积累的经验反哺到商业LLM产品中，使未来的模型在芯片设计领域具备更强能力。

要点

• Jalapeño从架构概念到首批硅片历时不足20个月，RTL到流片仅9个月，整个设计团队平均规模不足100人
• OpenAI将LLM深度融入前端设计工作流，借助XLS工具链实现从高级语言到硬件描述语言的AI辅助转换，显著加快迭代速度
• AI软件优化在约40小时内将DeepSeek注意力核心基准性能从理论峰值0.31%提升至88.94%，大幅压缩量产爬坡周期
• 后端物理设计目前仍主要依赖博通，但多位专家认为近期LLM能力提升已使AI介入后端设计成为可能
• OpenAI明确表示芯片设计不会完全自动化，但计划在第二代芯片中进一步扩大AI在验证和物理设计环节的应用