OpenAI 聯手博通發表首款自研晶片 Jalapeño：年底前部署資料中心，挑戰 NVIDIA 推理霸權

OpenAI 與博通（Broadcom）於 9 月 8 日確認，首款自研 AI 推理晶片 Jalapeño 將於 2026 年底前開始大規模部署，同時與 NVIDIA、AMD 及其他合作夥伴的加速器協同推進。這是 OpenAI 邁向「全端（full-stack）AI 公司」的關鍵一步，也為 AI 晶片市場從 NVIDIA 獨大局面轉向多元競爭揭開序幕。

Jalapeño 是 OpenAI Intelligence Processor 產品線的第一代產品，名稱取自墨西哥辣椒。與 NVIDIA GPU 同時支援 AI 訓練與推理不同，Jalapeño 專為大型語言模型（LLM）推理工作負載設計，目的是在模型完成訓練後的每次用戶回應環節，大幅降低運算成本與能耗。

9 個月完成晶片定版：AI 輔助設計創最快紀錄

Jalapeño 從初步設計到完成晶片定版（tape-out）僅歷時 9 個月，是高效能 ASIC 迄今最快的開發周期。OpenAI 透露，除了博通（Broadcom）協助完成晶片實作與高速網路設計外，團隊亦利用 OpenAI 自身模型輔助部分晶片設計與優化流程，實現「AI 設計 AI 晶片」的閉環。

目前工程樣品已可執行 GPT-5.3-Codex-Spark 等工作負載。初步測試顯示，Jalapeño 的 每瓦效能優於目前最先進產品，其架構通過降低資料搬移、平衡運算、記憶體與網路資源，顯著提高硬體使用效率。完整效能測試結果將在數月後公布。

策略意義：從模型公司到全端 AI 基建商

Jalapeño 的推出反映 OpenAI 戰略定位的重大轉變。過往 OpenAI 被視為「AI 模型公司」，依賴 NVIDIA GPU 作為算力基礎。然而隨著 GPT-6 Astra 等旗艦模型規模不斷擴大，AI 推理成本已成為商業化的核心瓶頸。

OpenAI 明確表示，Jalapeño 是完整技術堆疊（full-stack）策略的一環——除了開發 AI 模型與產品，亦開始自行設計晶片、記憶體、網路及部署系統等底層基礎設施。通過整合各層技術，OpenAI 期望將模型執行效率最大化，同時降低對單一供應商的依賴。

這對 NVIDIA 構成的挑戰不容忽視。NVIDIA 的 AI GPU 長期佔據市場主導地位，其 H100、B200 及即將推出的 GB300 系列定價高昂，使 AI 推理成本成為企業大規模部署的主要障礙。OpenAI 選擇自行開發推理晶片，既能直接控制成本結構，亦可在與 NVIDIA 的議價談判中獲得更大籌碼。

與現有供應商關係：協同而非取代

值得留意的是，OpenAI 強調 Jalapeño 並非完全取代 NVIDIA 晶片。OpenAI 計劃在資料中心同時部署 Jalapeño、NVIDIA、AMD 及其他夥伴的加速器，形成混合算力架構。Jalapeño 主要處理 LLM 推理工作負載，而模型訓練等高強度運算任務仍依賴 NVIDIA GPU。

這一策略與 Google 的 TPU（Tensor Processing Unit）路線相似——Google 同樣同時使用自研 TPU 及 NVIDIA GPU，按工作負載特性靈活調配算力資源。

對香港企業的啟示

Jalapeño 的推出對香港 AI 生態系統具有多重含義：

推理成本有望下降：推理晶片市場引入競爭，長遠而言可壓低整體 AI 推理定價。對於正在考慮將 AI 整合至業務流程的香港企業，尤其是金融科技、物流及零售等需要大規模即時推理的行業，算力成本下降將直接改善 AI 項目的投資回報率。

供應鏈多元化：過去香港企業部署 AI 基建時幾乎只能選擇 NVIDIA 方案。隨著 OpenAI、Google、AWS 等自研晶片陸續落地，企業在算力採購上將有更多選擇，有助提升議價能力及供應韌性。

關注混合算力架構：Jalapeño 的混合算力策略——按工作負載特性分配不同晶片——將成為未來 AI 基建的主流模式。香港企業在規劃 AI 基建時，應考慮引入多供應商策略，而非單一綁定，以靈活應對算力需求變化。

結語

OpenAI Jalapeño 的問世不只是單一產品的發布，更是 AI 產業權力結構轉變的信號——從「模型軍備競賽」延伸至「晶片自主化」，AI 巨頭正以前所未有的速度向下游硬體滲透。9 個月的開發周期展示了 AI 輔助設計的巨大潛力，也意味著 AI 晶片市場的創新節奏將進一步加快。對於香港企業而言，算力成本下降、供應鏈多元化及混合算力架構的成熟，都將在未來一至兩年內深刻影響 AI 部署的決策邏輯。