GPT設計GPT

作者｜畫畫

OpenAI終于做芯片了。

很多人看到這條新聞，第一反應是：英偉達麻煩了。

但我看到的恰恰相反。

首款芯片Jalape?o最重要的意義，并非直奔著英偉達而來。

這是OpenAI第一次公開承認，自己不滿足于做一家模型公司了。

它想控制的，是生產智能的整個過程。

從模型，到芯片。從數據中心，到能源。從訓練，到推理。從生產Token，到銷售Token。

Jalape?o表面是一顆芯片，實際上更像一張路線圖。

OpenAI終于把自己的野心擺到了桌面上。

一、模型差距在縮小，計算差距在擴大

自從大模型爆發以來，AI行業幾乎所有注意力都在模型。

GPT-4出來行業被震一次，Claude追上來，Gemini追上來，DeepSeek把性價比打出來，Meta推開源。每次發布大家盯著同一組東西：參數、榜單、代碼能力、數學能力、長上下文、多模態。

模型當然重要。但一個變化已經出現，模型領先的窗口正在變短。今天一個模型剛發布，幾個月后開源社區、競爭對手、云廠商就會跟上。能力差距仍然存在，但越來越難獨立構成長期壁壘。

真正拉開差距的東西，開始往更底層走。算力供應、推理成本、系統吞吐、網絡能力、數據中心建設、能源獲取。沒有模型發布那么好看，也不會立刻刷屏。但它們決定一家AI公司能不能長期跑下去。

黃仁勛最近說了一句話：英偉達系統也許不是采購價格最低的，但能生成成本最低的Token、最高的Token吞吐量，最終帶來最高收入。

老黃這段話很直接。行業一直抱怨英偉達貴，黃仁勛沒在采購價上辯解，而是把問題換到另一個維度：別看買機器花多少錢，要看每個Token的生產成本。

這就是AI時代新的賬本。服務器和GPU不是最終單位，Token才是。

OpenAI恰好站在這個問題最中心。

ChatGPT每天處理海量請求，Codex要消耗更多推理步驟，未來還有Agent、視頻生成、機器人、長推理鏈。模型越有用，Token消耗越大。產品越成功，推理賬單越厚。

殘酷的地方在這里，OpenAI用戶越多，英偉達越賺錢。OpenAI產品越強，底層算力稅越重。

如果每一個Token都要經過外部硬件平臺收一道稅，OpenAI就很難擁有完整的護城河。它可以有最強模型，有超級入口，有開發者生態。但最核心的生產成本始終卡在別人手里。

Jalape?o的本質就在這里。OpenAI開始自己造Token工廠。

二、GPT開始設計GPT

Jalape?o這款芯片最容易被低估的細節，是九個月流片。

傳統高性能ASIC項目，周期通常18個月到36個月。先進工藝更麻煩，架構、驗證、物理實現、封裝、軟件棧、調試，任何一環出問題成本迅速放大。OpenAI和博通把周期壓到了九個月。

這不能理解成芯片行業突然變簡單。OpenAI沒有憑空長出一條半導體產業鏈。博通在定制芯片和網絡基礎設施上經驗深厚，Celestica負責板卡、機架和系統工程。

OpenAI真正貢獻的是更稀缺的東西，它知道未來模型要怎么跑。

很多芯片公司做AI加速器，難點在于猜負載。模型結構會變，推理方式會變，服務模式會變。芯片一旦流片，物理世界沒有軟件世界那么好回滾。

OpenAI不用完全靠猜。每天運行ChatGPT、Codex和API，知道哪些內核最常用，哪些內存搬運最浪費，哪些網絡瓶頸最影響集群效率，哪些延遲會直接傷害產品體驗。它還知道未來Agent產品會怎么消耗推理資源。

這些經驗以前只是后臺工程知識，現在被寫進芯片架構。

在OpenAI的官方新聞稿里有一句話很關鍵：OpenAI使用自己的模型加速了部分設計和優化流程。還說，提供給用戶的模型也在幫助改進運行未來模型的基礎設施。

GPT開始參與設計下一代GPT的機器。

過去幾十年芯片的鏈條是，先設計芯片，芯片運行軟件，軟件運行AI。現在鏈條開始回頭，AI幫助人類設計芯片，芯片再運行下一代AI。

一旦這個閉環成立，九個月可能只是開始。未來可能是六個月、三個月，甚至更密集的迭代。

芯片行業過去有自己的節奏，模型行業有自己的節奏。前者慢后者快。Jalape?o把兩個節奏往一起拉。

這一步如果走通，OpenAI的飛輪會變得很嚇人。更好的模型幫助設計更好的芯片，更好的芯片降低下一代模型運行成本，更低成本支撐更多用戶和產品，更多用戶和產品帶來更多真實負載數據，這些數據再反過來定義下一代芯片。

這才是OpenAI真正想要的循環。

三、削減推理稅，控制現金流

Jalape?o不是訓練芯片，它面向的是大語言模型推理。這點很關鍵。

訓練像造航母。一次投入巨大，需要極強的通用能力，需要不斷適配新模型新架構新實驗。訓練市場仍然高度依賴英偉達，不只是GPU，而是CUDA、網絡、系統、軟件庫、開發者生態整套平臺。

推理更像出租車隊。每天跑，每小時跑，每分鐘跑。用戶每提一個問題，API每響應一次，Agent每推進一步，都要發生推理。它更在意低延遲、低成本、高吞吐、高利用率。

訓練燒階段性大錢，推理燒日常現金流。

這也是AI公司走到商業化階段后最頭疼的問題。GPT訓練一次很貴，但推理每天都在發生。Agent時代會繼續放大這個問題，一次任務可能包含幾十次甚至幾百次模型調用。長上下文、鏈式推理、多模態生成、代碼執行，都在繼續推高Token消耗。

Jalape?o瞄準的就是這筆推理稅。它更像OpenAI自己的TPU。Google、亞馬遜、Meta、微軟都走過類似路線，只要負載足夠大，自研ASIC就有高性價比的經濟意義。

OpenAI現在具備這個條件。有真實請求、有產品路線、有模型團隊、有博通這樣的產業伙伴，還有巨大的成本壓力。

Jalape?o不需要對外出售也能證明價值。只要它讓ChatGPT回答更便宜、讓Codex跑得更快、讓API毛利更高，它就有意義。

OpenAI還提到，Jalape?o會減少數據傳輸，平衡計算、內存和網絡資源，讓實際利用率更接近理論峰值。算力貴很多時候貴在沒被充分用起來，GPU等待網絡，內存搬運拖慢計算，調度不佳造成空轉，所有浪費最后都變成電費和資本開支。

采購價只是第一層，系統效率才是最后的賬。

四、OpenAI越來越像蘋果

很多人會把Jalape?o理解成OpenAI挑戰英偉達，但我覺得OpenAI并不想成為下一家英偉達，更像是在學蘋果。

蘋果最厲害的地方從來不是某一個單點。iPhone強，iOS強，A系列和M系列芯片強，App Store強。但蘋果真正難打的地方，是這些東西被放在同一個閉環里。

芯片為系統優化，系統為應用優化，應用體驗再反過來定義下一代芯片。這套閉環讓蘋果可以在同樣電池、同樣體積、同樣散熱約束下，做出別人很難復制的體驗。

OpenAI正在搭類似的東西。模型是智能內核，ChatGPT是超級入口，Codex是開發工具，API是生態分發層，Jalape?o是自研芯片，數據中心是AI工廠。

OpenAI CEO Altman這兩年反復談芯片、能源、核聚變、數據中心，現在看可能壓根不是在追概念，他已經不再用AI創業公司的方式規劃OpenAI了。

如果說英偉達賣鏟子，那么OpenAI想擁有礦山。

英偉達要做所有AI公司的工廠設備供應商，賣GPU、賣網絡、賣系統、賣軟件生態、賣AI工廠方案，理想客戶是每一個需要生產Token的公司。

OpenAI想給自己建一套工廠，賣的不是設備，是最終生成出來的智能。

短期看，OpenAI離不開英偉達。訓練和通用計算仍然需要GPU平臺，Jalape?o也不可能很快覆蓋全部負載。它大概率先進入OpenAI最確定、規模最大、優化收益最高的推理場景。

長期看，裂縫已經出現。當模型公司開始擁有自己的芯片路線圖，英偉達的客戶就不再只是客戶。它們也會成為AI基礎設施的另一類玩家。

【版面之外】的話：

過去二十年，互聯網最重要的資產是流量。誰掌握用戶，誰掌握價值。

今天，AI時代正在出現新的規律。

模型越來越像流量，而計算越來越像土地。

模型會迭代，產品會變化，排行榜會不斷刷新。但那些生產智能的工廠，芯片、網絡、數據中心、能源，會越來越集中在少數玩家手里。

GPT開始設計GPT，看起來只是一次流片。

但它真正宣告的事情是：

OpenAI已經不滿足于成為最聰明的公司，它想成為控制智能生產的公司。