OpenAI 與晶片業者博通合作，推出首款自研 AI 推論晶片 Jalapeño。這項成果不僅顯示 OpenAI 創辦人 Sam Altman 過去提出進軍 AI 硬體的構想已逐步落地，也凸顯該公司試圖降低對外部 GPU 供應商依賴、強化 AI 運算自主性的策略。
Jalapeño 更受到關注的原因，在於其開發週期明顯短於一般晶片產品。根據相關說法，這款晶片從設計、定案到送交製造，總共只花了九個月；而傳統晶片開發通常以年為單位計算。
專用 ASIC 與 AI 輔助加速開發
Jalapeño 屬於 ASIC（特殊應用積體電路），與具備高度通用性的 GPU 不同，ASIC 會針對特定應用與工作負載進行設計。OpenAI 長期掌握自家 AI 模型與演算法特性，因此能夠更明確地定義晶片需求，成為縮短開發時間的因素之一。
OpenAI 也表示，團隊運用了自有 AI 模型，協助部分晶片設計與優化流程。這種做法被視為 AI 公司將自身模型能力延伸至硬體工程的一次實際應用。
不過，僅憑對 AI 演算法的理解與 AI 協同開發，並不足以解釋 OpenAI 為何能在九個月內完成新晶片。真正重要的支撐，來自團隊中具備多年晶片設計與軟硬體整合經驗的人才。
Richard Ho 的 Google TPU 經歷
OpenAI 硬體主管 Richard Ho 擁有史丹佛大學電腦科學博士學位，職涯早期即投入晶片驗證工具領域，並被業界視為相關領域的先驅。
他最受矚目的經歷，是在 Google 任職近九年，參與 Google Cloud TPU 計畫。Ho 被形容為 TPU 計畫的創始元老與核心領導者之一，並在將 TPU 從概念推進至實際產品的過程中扮演重要角色。
2021 年，Ho 曾與 TPU 團隊在國際科學期刊《Nature》共同發表論文，探討將強化學習應用於晶片布局規劃。研究指出，這類方法有機會大幅縮短人類工程師進行晶片設計的時間，相關技術後來也實際運用於 TPU 開發。
因此，OpenAI 此次提到的「以 AI 加速晶片設計」，並非 Richard Ho 首次接觸的概念。他在 Google 期間已參與相關方法的研究與實作，這些經驗可能協助 OpenAI 避免早期摸索階段的錯誤，縮短從軟體模型需求走向硬體實作的距離。
Jalapeño 對 OpenAI 的戰略意義
對 OpenAI 而言，Jalapeño 的推出有兩層意義。第一，它代表公司開始建立自有 AI 晶片能力，有助於逐步降低對輝達 GPU 的依賴。第二，若專用晶片能針對 OpenAI 的核心工作負載進行最佳化，便可能改善運算效率，進而降低大規模 AI 服務所需的算力成本。
Richard Ho 在談及 Jalapeño 時表示：「根據早期測試，它在執行我們最核心的工作負載時，將能逼近硬體的理論效能極限。」這項說法目前屬於早期測試結果，來源未提供更完整的測試條件、實際效能數據或與主流 GPU 的對照結果，因此仍有待後續產品部署與獨立驗證。
Google 人才與技術外溢效應
Jalapeño 的故事也反映 Google 在 AI 產業中的另一種影響力。現今多數大型 AI 模型採用的 Transformer 架構，源自 Google 團隊的研究貢獻；如今，曾參與 Google TPU 計畫的人才流向其他 AI 公司，也可能讓競爭對手更快建立自研晶片能力。
從這個角度看，Google 對 AI 產業的影響不只來自公開技術與研究成果，也包括人才在產業間流動後所帶來的實務經驗。未來 Google 的人才流失是否會進一步轉化為競爭對手的優勢，仍取決於這些公司能否將個人經驗、晶片設計資源與量產能力整合起來。
目前可確認的是，OpenAI 已透過 Jalapeño 展現進入 AI 硬體領域的具體進展；至於晶片的實際出貨規模、量產時程、成本效益，以及對 GPU 採購的影響，來源尚未提供進一步資訊。
