一枚高性能ASIC芯片从设计到交付制造，行业惯例通常以“年”为刻度计量，但OpenAI联手博通，却将这一周期压缩到了9个月。今年6月底，两家公司正式发布首款自研AI芯片“Jalapeño”，宣告这家大模型巨头正式补上硬件拼图，完成软硬件全栈自研的战略闭环。
极速流片（Tape-out）的背后，官方归因于与博通的深度协同，以及用自家AI模型反向加速芯片设计流程——毕竟，没有人比OpenAI更懂自己的算法负载。但半导体业内却将更多目光投向另一个人：前Google TPU核心架构师、现任OpenAI硬件主管Richard Ho。这位斯坦福博士出身、曾以“将TPU从概念带到现实”著称的行业老兵，在Google近九年间不仅主导了Cloud TPU的研发，更早在2021年便与团队在《自然》期刊上验证过“强化学习辅助芯片布局”的方法，大幅缩短人工迭代时间。如今，他当年验证的路径，恰好成为OpenAI九个月神话的暗线。
“他的脑子里早就知道OpenAI要什么。”一位业内人士评价，Richard Ho对软硬件协同的熟悉度，为团队省去了大量入门试错成本，这是比AI工具更核心的加速器。
对OpenAI而言，Jalapeño的战略价值不止于摆脱对英伟达GPU的单一依赖，更在于逼近理论峰值效能的运算效率——在AI算力军备竞赛中，这是与对手抗衡的真实底气。Richard Ho透露，早期测试显示，该芯片在处理核心工作负载时能接近硬件性能极限。
耐人寻味的是，Google不仅曾以Transformer架构奠基了今天的大模型时代，如今又为对手输送了自研芯片的领路人。当TPU灵魂人物携经验投身OpenAI，硅谷的人才循环，正在悄然改写下一代算力格局。
