OpenAI首代自研芯片9个月完成流片

OpenAI首代自研芯片Jalapeño（“小辣椒”）计划在2026年底前开始部署，第二代已进入深入开发，第三代也已启动成形。公司称，首代芯片从初始设计到流片仅用9个月，较无AI辅助的传统流程约快半年。不过，这一数字未涵盖需求定义、架构规划、制造、调试和部署，定制ASIC从立项到真正落地仍通常需要数年。

OpenAI的造芯计划至少始于2023年，奥尔特曼当时甚至考虑推动建设30多座晶圆厂。受成本和周期影响，团队随后转向更擅长的环节，即根据自家模型和推理服务需求定义芯片。AI已参与“小辣椒”的方案探索、设计—测量—验证循环、部分算术电路优化，以及流片后的调试和编程。

9个月的成绩也离不开博通的支持。其硅实现、网络互连、接口IP和成熟工程体系，减少了OpenAI从零搭建底层能力的时间。芯片企业人士认为，首代项目更重要的价值是跑通AI参与芯片设计的流程；如果流程能够复用，下一代将减少摸索和人工介入，设计周期有望从9个月进一步压缩至6个月。

目前AI最明确的应用已进入RTL环节，可根据性能目标、约束和测试要求生成、修改数字电路代码。在一项UT单元测试任务中，过去需要两名工程师约4个月完成，如今一名工程师借助AI约3周即可闭环，节省超过100天、效率提升80%。英伟达还披露，Cadence AI Agent已将一项5周工作压缩到不足一天；Altera、高通和Tenstorrent等也在部署类似工具，Altera称部分验证工作量降至约十分之一。

芯片与模型的迭代速度仍不匹配。首代“小辣椒”从2024年10月底被报道，到计划在2026年底初步部署，跨度约26个月；有从业者认为，只有把完整开发链压到约18个月，自研ASIC才更具商业吸引力。模型权重、矩阵形状或计算方式变化，通常可由Kernel、编译器和调度适配，但MoE会显著增加跨专家、跨芯片的数据通信与存储压力，Attention结构及Token生成方式变化也会重塑算力、带宽和内存比例。

因此，企业需要权衡为灵活性增加的面积、功耗和开发成本，评估一项硬件能力能覆盖多少模型与场景，并判断专用化收益能否抵消押错方向的风险。“小辣椒”最终同时支持Prefill和Decode，而非只偏向Decode，把适配空间交给软件。AI虽能加快设计和软件适配，但架构规格定义及最终验收仍依赖经验丰富的工程师；当前通常需要10至15年经验者判断，距离普通人独立造芯仍有距离。