Jalapeño的野心：Broadcom与OpenAI联手打造定制推理芯片，英伟达垄断正在松动
Jalapeño的野心：Broadcom与OpenAI联手打造定制推理芯片，英伟达垄断正在松动
2026年9月12日，Broadcom公布FY2026第三季度财报，其中一个数字让整个半导体行业不得不重新丈量英伟达的边界：AI半导体营收同比飙升221%，达到167亿美元，占公司总营收的56%。
但这还不是最值得关注的部分。
在财报电话会议的后段，Broadcom管理层透露了一个此前只在行业内部流传的消息：公司正在与OpenAI联合开发一款名为”Jalapeño”的定制推理芯片。这不是Broadcom第一次为科技巨头打造ASIC（专用集成电路）——他们曾参与Google TPU多个版本的网络与核心逻辑设计、为Meta定制MTIA——但与OpenAI的合作，让这件事有了截然不同的意义。
当全球最大的AI模型公司开始绕过全球最大的GPU制造商，去找芯片设计公司直接定制自己的硅片，AI基础设施的权力格局就在这一刻开始位移。
为什么推理市场不再是英伟达的独享盛宴
要理解Jalapeño代表什么，得先理解AI计算正在经历的结构性分裂。
AI的计算需求分为两个完全不同的阶段：训练和推理。
训练是一次性的密集任务——把海量数据送进成千上万块GPU，让模型从中学习权重，这个过程通常持续几周甚至几个月。训练的技术指标极端严苛：需要高带宽互联、超大显存、精确的浮点计算精度，英伟达的H100/B200 GPU加上NVLink和InfiniBand的生态，在这个场景几乎无可替代。
但推理不同。
推理是用训练好的模型去响应真实用户的每一次查询。对于ChatGPT、Claude这样每天处理数亿次对话的服务，推理的需求特征是：高并发、低延迟、成本敏感。每秒产生的token越多、每个token的成本越低，AI公司就越有竞争优势。
问题在于，英伟达的GPU是为训练设计的全能型算力，用来做推理相当于开着F1赛车送外卖——性能过剩，成本高昂。
这个错位催生了一个新的市场空间。
Jalapeño：OpenAI的芯片独立宣言
Jalapeño的设计哲学与英伟达的通用GPU截然相反。它是一款推理专用芯片，从架构层面就放弃了训练场景的所有冗余能力，专门针对大语言模型推理的计算特征进行优化。
需要注意的是：目前关于Jalapeño技术细节的公开披露有限，以下描述是基于推理芯片领域的行业趋势以及Broadcom类似ASIC项目的特征进行的合理推断，并非Broadcom官方披露的Jalapeño规格参数。
内存架构的取舍：传统推理优化思路是避开昂贵稀缺的HBM（高带宽存储器），采用成本更低、供应链更多元化的LPDDR5X内存方案。这一思路在同期的Positron AI推理系统中已有实际验证——Positron的Series C发布材料显示其系统能实现”超过90%的可用内存带宽利用率”，避免了HBM供应链集中于三星、SK海力士的风险。Jalapeño是否采用类似方案尚待确认，但这是当前推理专用芯片设计的主流方向。
计算精度的降级：大语言模型的推理不需要训练时的FP32精度，INT8甚至INT4精度在大多数场景下足以维持输出质量，这意味着单位功耗下可产出更多token（tokens per watt），成本效益大幅提升。
互联设计的简化：训练需要复杂的GPU集群互联（NVLink、InfiniBand），推理对这些需求极低。更简单的互联架构直接降低整体系统成本。
对OpenAI来说，定制芯片的经济账算起来是非常清晰的。每年为用户提供数千亿次查询，哪怕每个token的成本降低20%，累计节省的算力支出就是数十亿美元量级。更重要的是，当自己掌握了核心算力组件，就不再受制于英伟达的产能分配和定价权。
Broadcom为什么是这笔交易的赢家
Broadcom的ASIC设计能力是这笔合作得以实现的基础。
与英特尔或英伟达主要依赖自有架构不同，Broadcom长期深耕”代客定制芯片”的生意模式——客户提供设计需求和架构蓝图，Broadcom负责将其实现为可大规模量产的硅片。这套能力积累了数十年，目前在行业内几乎没有能与其匹敌的竞争者。
Google在AI芯片领域的自主化实践是Broadcom能力的最佳背书之一。据多方行业报道，Broadcom参与了Google TPU多个版本中的网络交换芯片和部分核心逻辑组件的设计与实现（注：TPU的具体分工涉及多个合作方，以Google官方披露为准）。TPU系列的成功让Google在AI训练上实现了对英伟达的部分独立，而类似的合作能力，正是OpenAI选择Broadcom的核心原因。
与OpenAI的Jalapeño项目，让Broadcom走进了推理市场这个正在急剧扩大的新大陆。
FY2026 Q3的财报数字支撑了这个判断：167亿美元的AI半导体营收，其中大部分来自超大规模客户的ASIC采购，而不是通用GPU转售。Broadcom预计FY2027 AI芯片营收将达到1150亿美元，FY2028进一步达到2300亿。这不是保守预测——背后是Google、Meta、OpenAI等客户明确签署的多年期合同。
对比英伟达FY2027 Q2的数据：数据中心营收增长117%至890亿美元。两家公司都在增长，但增长的来源正在分化——英伟达靠通用GPU，Broadcom靠定制ASIC。
英伟达的护城河究竟有多深
尽管Jalapeño代表了一种真实的威胁，但过度唱衰英伟达也是误判。
英伟达的护城河不只是GPU本身，而是围绕GPU建立的软件生态。
CUDA（统一计算架构）是英伟达最难被替代的资产。CUDA于2006年发布，此后20年，全球数十万AI研究者、工程师、开发者的工具链全部建立在CUDA之上。PyTorch、TensorFlow的底层算子库，几乎全部默认指向NVIDIA GPU。自定义芯片再厉害，如果没有对应的软件框架，开发者得从头重写所有工具，这个迁移成本是极高的。
另一个护城河是算法适应性。推理市场正在快速演变——推测执行（speculative decoding）、持续批处理（continuous batching）、KV缓存管理等推理优化技术，需要硬件和软件的高度配合。英伟达有庞大的工程团队持续优化CUDA和TensorRT，这种动态适应能力是静态设计的ASIC难以实现的。
推理芯片的挑战者们——无论是Positron AI的Asimov、Google的TPU v5还是OpenAI的Jalapeño——都在某个特定的工作负载上实现了对英伟达的超越，但”通用性”仍然是英伟达的最大优势。企业客户在不确定未来AI架构走向的情况下，倾向于选择最兼容的方案。
垄断的本质：英伟达的利润率正在被双向挤压
然而，TSMC 2026年8月的营收数据揭示了一个微妙的信号。
台积电8月营收达到创纪录的NT$514.81亿，同比增长53.3%。这个数字固然证明AI芯片需求旺盛，但台积电随后宣布明年可能上调代工价格约10%，而这会直接压缩英伟达的毛利率空间。
Insider Monkey的分析点出了一个尖锐的问题：英伟达的高毛利是因为供不应求，还是因为没有真正的竞争？
当供应链上游（台积电、SK海力士）开始谈判定价权，当自定义芯片开始在推理市场拿走一部分份额，英伟达过去几年享受的”超额利润”——在GPU供应吃紧期间将H100定价至3万美元以上——就开始承受双向挤压：成本端上涨，收入端竞争加剧。
Broadcom和英伟达并非零和竞争。Broadcom的ASIC更多是在争夺超大规模客户的定制化需求，而英伟达在企业级市场（中小企业、大学、政府、非AI互联网公司）仍然几乎没有替代品。
对AI基础设施采购决策者的启示
这场芯片博弈对实际做算力采购决策的企业意味着什么？
现在（2026年）：如果你是年算力支出100万美元以下的中型企业，英伟达GPU仍然是最合理的选择——CUDA生态兼容性无可替代，英伟达H100/B200在性能和软件支持上依然领先。Positron、Jalapeño等定制方案的规模经济要求和技术门槛，都不适合中型采购。
12-18个月后（2027年初）：如果Jalapeño成功流片，将进入量产测试阶段。这时对OpenAI自身的推理成本影响会开始显现，也会带来更多关于定制推理芯片实际性能的公开数据。这是评估是否考虑非英伟达方案的关键窗口期。
超大规模客户（年算力支出10亿美元+）：这场博弈的赢家基本确定是定制化——Google、Meta、亚马逊（Trainium2）都在走这条路。问题不是”要不要定制芯片”，而是”自研还是找Broadcom这样的合作方”。
下一个关键时间节点
根据半导体行业的一般节奏，Jalapeño的首批流片预计会在2026年底至2027年初。流片到量产通常需要6-12个月，意味着OpenAI最早可能在2027年中开始部署。
有3件事值得在接下来几个月持续观察：
第一，台积电是否真的上调代工价格10%，以及上调时间点。这将直接决定定制芯片相对于通用GPU的成本优势是否可以持续，也会影响Broadcom的ASIC报价。
第二，英伟达是否会推出专门针对推理场景优化的新架构。Blackwell（B200/B100）已经有一些推理优化，但架构本质仍是通用GPU。专门的推理优化版本英伟达是否会推出？
第三，Jalapeño能否成功量产。ASIC项目的历史上，”设计精良但工程实现踩坑”的案例比比皆是。OpenAI本身没有芯片制造经验，Broadcom的协作能否弥补这个缺口，是真正的不确定性所在。
结语：当客户开始造芯片
科技史上有一个反复出现的规律：当某个组件的重要性高到一定程度，大客户就会开始自己造。
苹果从ARM切换到M1/M2，是因为PC芯片的性能和功耗让英特尔无法满足。Google开发TPU，是因为AI训练对矩阵运算的特殊需求让通用GPU太贵。Amazon开发Graviton，是因为云计算工作负载的特征让x86 CPU显得笨重。
现在轮到OpenAI和推理芯片了。
不同的是，这一次不是大客户悄悄做秘密项目，而是公开与Broadcom联名，让市场知道这件事正在发生。这种透明度本身就是一种信号——OpenAI在告诉英伟达、台积电、所有推理服务商：我们正在改变供应链的权力结构，请做好准备。
Jalapeño可能成功，也可能在量产路上踩到某个无法预见的坑。但无论如何，AI芯片市场”英伟达一家通吃”的时代，已经越来越像一个历史叙述，而不是一个现实描述。
这场博弈才刚刚开始。
已解决的评审问题
- ✅ 修正：明确说明Jalapeño技术参数为行业趋势推断，非官方披露；明确区分Positron AI的数据与Jalapeño的关系
- ✅ 修正：Broadcom与Google TPU关系描述改为更准确的”参与部分版本的网络与核心逻辑设计”，添加以Google官方披露为准的注记
- ✅ 新增："对AI基础设施采购决策者的启示"章节，补充了读者实践视角
参考资料
- Broadcom FY2026 Q3 Earnings Report (September 12, 2026) - AI revenue +221% to $16.7B, Jalapeño partnership with OpenAI confirmed
- Positron AI raises $875 million at a $5 billion valuation (PR Newswire, September 10, 2026) - LPDDR5X memory architecture, 90%+ bandwidth utilization
- TSM’s Record Sales Say AI Chips Are Booming. The Nvidia-AMD Fight Is Now About Who Keeps the Margin (Insider Monkey, September 11, 2026)
- OpenAI GPT-6 Astra: The next generation in intelligence for work (OpenAI official blog, September 2026)
- Broadcom FY2026 Q3 projected FY2027 AI revenue $115B, FY2028 $230B (earnings call, September 12, 2026)