事件与背景

8 月 25 日，OpenAI 正式对外揭晓了首颗自研推理加速芯片 Jalapeño（此前 6 月与 Broadcom 联合官宣、8 月在 Hot Chips 2026 上由硬件团队做了架构演讲）。按官方口径与现场演示的数据：单 reticle 尺寸 die 上提供 13.4 PFLOPS MXFP4 算力，配 232 GB HBM4、带宽 15.4 TB/s，TDP 约 700W，以 2048 颗芯片为一个部署 pod。

真正的新信息出现在 9 月 18 日——IEEE Spectrum 的深度报道（当日 HN 184 分）第一次系统性地披露「这颗芯片是怎么被做出来的」：

• 周期：从第一版架构概念到首硅不到 20 个月；其中第一版 RTL（定义芯片逻辑的寄存器传输级代码）到流片只用 9 个月。项目启动时间在两份来源里略有出入：IEEE 报道的口径是 2024 年 10 月，SemiAnalysis 记为 2024 年年中，流片时间双方一致（2025 年 11 月）。
• 人力：设计团队全程平均 不到 100 人（含系统设计、软件、供应链等角色，不含 Broadcom）。
• 流程：前端设计建立在 Google 开源的高层综合（HLS）工具链 XLS 之上——工程师用 DSLX（一种受 Rust 启发的领域专用语言）或 C++ 写逻辑，再由 XLS 生成 Verilog。OpenAI 工程师的判断是「AI 更擅长看起来像软件的东西，而 XLS 恰好像软件」。后端物理实现（gate 之后）交给 Broadcom，后者用的是自家流程，能访问的只是 OpenAI 的商用公开模型。
• 模型换代：项目早期用的是 o3（2025 年 4 月才公开），收尾阶段已经能用上 GPT-6 Astra 的前身（Astra 直到 2026 年 9 月 3 日才发布）；新版模型可以直接写 Verilog，不再需要 XLS 做语言翻译，并已接近能自行操作专有 EDA 工具。Ho 与 Leary 还确认团队用到了不对外开放、针对芯片设计微调的内部模型。
• 回片之后：2026 年 5 月首批芯片从晶圆厂回来，团队把内部模型指向写基准软件。在 DeepSeek 的 multi-head latent attention kernel 上，性能在约 40 小时内从理论峰值的 0.31% 提升到 88.94%；Hot Chips 2026 上还给出 AI 引导物理设计使矩阵乘法单元面积缩减 10% 的数字。

值得注意的还有这套「AI 参与设计」的边界。OpenAI 自己划了线：Ho 明确表示，并不是任何人都能靠 Codex 造出前沿 AI 加速器；AI 主要吃下的是前端（概念、RTL、验证）里「像软件」的那部分，而路由、时钟与功耗规范的收敛、送厂数据这类后端工作，仍由 Broadcom 的人工团队完成。换成工程语言：被真正加速的，是那些能给出即时、可判定反馈的环节——这也正是评论者争论「LLM 能不能做 PPA 优化」的核心分歧点。

来源（均经 curl 验证返回 200）：

• IEEE Spectrum：How OpenAI Used Its Own LLMs to Design Its Jalapeño Chip（2026-09-18）
• SemiAnalysis：OpenAI Jalapeño — Better than Nvidia Blackwell（受邀进实验室跑 InferenceX）
• Silicon Co-Design：Jalapeño 架构拆解（基于 Hot Chips 2026 演讲）
• Google XLS：开源高层综合工具链
• HN 讨论（184 分）：hn.algolia.com/api/v1/items/49761432

为什么现在重要

1. 「可验证反馈」的红利第一次在硬件设计上被量化。 0.31% → 88.94% 不是模型「会写代码」，而是一个可归因的优化曲线：每次改动都有编译器与模拟器立即打分。影响判断：凡是你系统里存在即时判定分（编译通过、测试通过、性能/面积/功耗数字）的环节，都可以照抄这套循环——EDA、编译器 pass、查询优化、内核调优是下一批。

2. 抽象层选对，比模型选强更关键。 OpenAI 前端能吃到大模型红利，前提是 XLS/DSLX 这一层「像软件」；只有当模型换代到 Astra 前身，直写 Verilog 才变得可行。影响判断：不要问「我的领域能不能用 agent」，先问「我能不能把问题重新包装成模型擅长导航的形状」。

3. 小团队 + 短周期成为可复制的组织形态。 不到 100 人、20 个月、把物理实现外包给 Broadcom 的「设计/实现分界面」，把过去需要数百人年的路径压短了一个量级。影响判断：硬件与基础设施团队的规模假设要重估，与外部伙伴的分工界面成了核心架构决策。

4. 厂商自报数字与独立基准之间的鸿沟依然存在。 SemiAnalysis 既给出「在 tok/s/MW 上胜过测过的所有 Nvidia/AMD/Google 芯片、且未使用投机解码」的结论，也明确三条保留：数字由 OpenAI 提供、用 Blackwell 做对比不公平（真正对手是同样用 HBM4 的 Rubin）、缺 AgentX（多轮长上下文）结果且只跑了 8k1k 负载。影响判断：采购与选型仍必须把「第三方可复现」与「厂商自报」分开列账。

5. 模型的「能力时点」成了项目风险变量。 项目周期内工具的基线从 o3 换到 Astra 前身——「今天做不了的部分，可能下个模型周期就能做」。影响判断：路线图里要写明「哪些环节等模型、哪些环节必须靠人」，OpenAI 自己也强调工程师仍是最终裁决者，芯片设计不能被完全自动化。

工程师/产品人今天能做什么

1. 给你的系统找一条「XLS 式」的中间层。 挑一个能被编译器或模拟器立刻打分的 DSL / 中间表示（HDL、SQL 计划、编译 IR、性能调优脚本），先把「生成 → 立即评测」这条最短路径打通，再谈接入模型。OpenAI 自己的动作可以照抄：为了让内核代码可控，他们基于开源编译器 Triton 造了自有 kernel 语言 Gluon。

2. 把每次 agent 尝试的证据落库。 记录分数、日志、失败原因与耗时，而不只看最终 diff。Jalapeño 那条 40 小时曲线之所以可信，是因为每一步都有可回放的数字。

3. 先建本地评测 harness，再谈 agent 化。 如果你的团队在做内核、编译器或性能相关工作，本周的产出应该是一个能自动跑分并对接 CI 的评测脚本——它是 agent 能否工作的前提条件，而不是附属品。

4. 选型评审加一列「口径」字段。 明确要求：同负载、同精度、是否使用投机解码、是否启用 MTP、有没有多轮长上下文基准。把缺失项（例如 AgentX）显式写进结论，避免拿发布会 PPT 当事实。

5. 重估人力路线图。 把「先招满 N 人」改为「最小团队 + 密集反馈 + 外部实现伙伴」，同时明确列出必须由人做最终判断的环节（物理设计、验证、安全边界）。

待观察

1. 第二代芯片与 B0 stepping。 SemiAnalysis 称 B0 已在 fab 中、perf/W 较 A0 约提升 25%，但量产时间表与对 Vera Rubin 的对等比较尚未公布；目前所有领先结论都建立在 A0 工程样品上。

2. AgentX 与更大模型的结果。 多轮长上下文负载、以及 DeepSeek V4 Pro / Kimi K3 级别的模型在 Jalapeño 上的表现都还是空白，这决定「领先」能否延伸到真实 agent 工作负载。

3. 内部模型的外溢路径。 Ho 表示目标是让项目经验回流到商用模型（「Astra 及其后续模型会非常擅长芯片设计」），第二三代是否会把 AI 扩展到验证与物理设计值得追踪。另需说明：openai.com 官方公告页在本机 curl 返回 403，因此本文不 URL 化官方页面，相关规格与引用均以上述已验证来源为准。