OpenAI 用内部模型把 Jalapeño 的设计周期压到 20 个月
OpenAI 在 8 月 25 日完整公开首款自研推理芯片 Jalapeño，13.4 PFLOPS 的 4 位算力、232GB HBM4、15.4TB/s 带宽，对比英伟达 GB300 端到端延迟最多降低 3.6 倍。IEEE Spectrum 这次披露的是另一半故事，这颗芯片是怎么被设计出来的。
项目 2024 年 10 月启动，从架构概念到第一颗硅片不到 20 个月，其中从第一版 RTL 到流片只有 9 个月，负责设计的团队平均不到 100 人，还不含 Broadcom 的物理实现团队。前端用的是谷歌开源的高层综合工具链 XLS，工程师写 DSLX 和 C++，再由工具转成 Verilog。OpenAI 的判断很直接，模型更擅长长得像软件的东西，而 XLS 恰好像。项目起步时用的是 o3 时代的模型，收尾时已换成 GPT-6 Astra 的前身版本，后者能直接写 Verilog，不再需要 XLS 转译。
最能说明问题的是五月第一颗芯片回片之后。团队把内部模型指向软件优化，在 DeepSeek 多头潜在注意力内核的基准上，性能从理论峰值的 0.31% 爬到 88.94%，花了约 40 小时。OpenAI 称结果可复现，意味着从回片到量产爬坡的间隔可以被压缩。物理设计上，矩阵乘法单元相对人类优化基线缩小了 10%。
外部评价并不一边倒。Verkor 的创始人认为时间表可信，但 Broadcom 的参与是关键，换一支全自研团队未必做得到；布线、时钟与功耗验证这些后端工作仍以人力为主，也是 AI 收益最小的部分。
值得记住的不是某个数字，而是设计迭代本身开始变成智能体循环。当一版设计和它的结论之间的往返从几周缩到几小时，瓶颈就从写 RTL 转向验证和后端自动化。OpenAI 说第二代会把更多 AI 放进验证环节。