OpenAI 推介其芯片设计模型，押注其成本优于开源软件。

OpenAI 正在将其先进模型扩展到芯片设计、生命科学和金融领域，并认为前期成本较高的模型可以通过减少尝试次数来执行任务，从而获得回报。.

路透社 9 月 9 日报道称，首席财务官 Sarah Friar 于 9 月 7 日在旧金山举行的高盛 Communacopia + 技术大会上提出了这一观点。.

对于那些正在高端模型和低成本模型之间犹豫不决的企业来说，这改变了讨论的焦点。OpenAI 希望客户不再纠结于哪个模型的代币价格最低，而是考虑哪个模型能够以最低的成本完成任务。.

芯片设计如同楔形，而非EDA替代方案

OpenAI 并非试图取代工程师目前用于芯片开发的tron设计自动化系统。事实上，其解决方案旨在通过帮助工程师分析问题、评估方法并加快某些任务的速度，从而提升这些流程。.

据弗莱尔称，针对特定任务开发的人工智能的需求正在增长。路透社报道称，OpenAI 也在测试一种商业模式，在这种模式下，定价取决于人工智能对特定公司的有效性，而不是使用量。.

这与Friar在7月17日发表的帖子相符，该帖子指出“每美元的实用信息量”比代币价格更重要。虽然价格较低的模型可能需要多次尝试和审查以及人工干预，但价格较高的模型由于能更快地得出结果，可能反而更具成本效益。

墨西哥辣椒作为内部验证点

OpenAI 最能体现其独创性的当属 Jalapeño，这是他们首款定制推理芯片。该公司在 8 月 25 日的一篇博文 ，其人工智能技术助力 Jalapeño 从概念设计到流片完成仅用了九个月时间。

得益于人工智能，设计、测量和验证的周期得以缩短。人工智能还被用于提升算术电路的性能以及对成品芯片进行编程。.

OpenAI 声称，与用于执行 GPT-OSS 120B、DeepSeek R1 和 Kimi K2.5 计算的 Nvidia GB200 和 GB300 同等设备相比，Jalapeño 芯片在每瓦 AI 工作性能方面高出 1.5-1.9 倍。.

根据Cryptopolitan于 8 月 25 日提供的信息，这款由博通设计的芯片仅供 OpenAI 使用，不会对外销售。因此，这些数据仅代表 OpenAI 的立场。SemiAnalysis 观察了 InferenceX 的运行情况，但并未独立dent现完整的测试套件。

以外部数据检验的单项任务成本论证

据路透社报道，Friar 表示，OpenAI 决定大幅降低其低端产品 Luna 的价格，这使其使用量增长了近十倍，同时也使 Codex 的用户数量增加到 2500 万。.

独立dent 测试为定价声明提供了一些证据。Artificial Analysis 而 GLM-5.3 的价格约为 2.01 美元。

然而，这并非完全一边倒的比较。GLM-5.3 在人工智能分析智能指数 (AIA) 中得分 45 分，而 Luna 的得分仅为 38 分。因此，OpenAI 在标准任务的定价方面具有优势，但其人工智能性能未必最佳。.

OpenAI 进入这个领域有些晚了。

人工智能辅助芯片设计已经相当成熟。Synopsys 公司表示，其生成式人工智能助手 可以将信息检索时间缩短40%，并将解决方案所需时间缩短10到20倍。

Cadence公司于6月1日宣布 ，其自主研发的ChipStack AI工程师可以将部分RTL验证周期从五周缩短至不到一天。谷歌的AlphaChip也被Alphabet旗下多家公司的高端芯片所采用。

因此，OpenAI真正的优势不在于声称人工智能可以帮助设计芯片，而在于其专有模型能够以更低的成本实现这一目标。.

为什么风险不断攀升

这一论点背后的市场规模巨大。 普华永道9月2日表示 ，到2050年，全球人工智能基础设施资本支出可能达到 31.6万亿美元，年支出将从2026年的约 8000亿美元增至2050年的1.8万亿美元。预计芯片和服务器的持续升级将推动大部分支出。

经合组织 7 月 10 日发布的人工智能市场报告 提出了相反的观点：尽管计算、芯片和其他关键投入仍然高度集中，但经质量调整后的人工智能模型价格在 2024 年 1 月至 2026 年 4 月期间下降了近 80%。

OpenAI 押注于模型、软件和芯片之间更紧密的集成，这将把这种集中化转化为效率优势。如果成功，完成任务的成本可能比代币价格更重要，并成为推动人工智能向全栈式架构发展的另一股力量。.