不到 100 人、20 个月流片：OpenAI 首款自研芯片，把设计流程交给了自家模型

一块推理芯片从架构概念到第一版硅片用了不到 20 个月，其中 RTL 到流片只有 9 个月，设计团队全程平均不到 100 人。这是 OpenAI 首款自研 AI 加速芯片 Jalapeño，8 月 25 日完整公布，IEEE Spectrum 9 月 18 日的拆解把设计流程讲清楚了。

参数先摆在前面：13.4 petaflops 的 4 位算力、232GB 内存、15.4TB/s 带宽，官方引用的基准显示对比 Nvidia GB300，端到端延迟最高降低 3.6 倍并更省电。但更值得看的是流程。前端围绕 Google 开源的高层次综合工具链 XLS 搭建，工程师写 DSLX 和 C++，工具再转成 Verilog——因为"XLS 在某种程度上看起来像软件"，正好落在模型擅长的范围内。芯片 5 月从代工厂回来后，团队把内部模型指向软件优化，在 DeepSeek 的多头潜在注意力 kernel 基准上，约 40 小时把性能从理论峰值的 0.31% 拉到 88.94%，OpenAI 称这个结果可复现。物理设计环节，AI 引导的优化把矩阵乘法单元的面积减少了 10%。

芯片参数全部来自 OpenAI 自己引用的基准，尚未在规模化推理集群里验证；后端物理实现交给了 Broadcom，一家芯片设计创业公司的联合创始人直言"换成别人从零开始，就做不成"；OpenAI 用于设计的内部微调模型不对外公开，硬件负责人也明确表示，不是说拿着 Codex 谁都能造出前沿加速器。

我的判断：这条对做芯片的人比做 AI 的人更有用——"流程里哪一段适合交给模型"第一次有了公开的拆解，但能复制的只有前端，后端伙伴和私有模型仍在你够不到的地方。