OpenAI 聯手博通推 Jalapeño 自研晶片!台積電成最大贏家?

30 秒看重點

  • 事件:OpenAI 聯手博通設計首款自研 AI 晶片「Jalapeño」,將採用台積電先進製程。
  • 意義:AI 龍頭加速「去 NVIDIA 化」,透過客製化晶片(ASIC)自主控管算力成本。
  • 影響:台灣作為半導體樞紐,台積電及 ASIC 設計服務廠將迎來新一波客製化晶片爆發潮。

為了打破 NVIDIA 的晶片壟斷,OpenAI 正式聯手博通(Broadcom)推出自研 ASIC 晶片「Jalapeño」,並計劃交由台積電代工。這項策略不僅是為了降低天價的算力成本,更是 OpenAI 確保未來在 AI 戰場上維持獲利與成本優勢的關鍵一步。

關鍵數據:OpenAI 財務長指出,自研晶片帶來的成本優勢可望完勝開源模型

NVIDIA 霸權動搖?解密 OpenAI 首款晶片 Jalapeño 的戰略陰謀

晶片戰爭已經從「誰算得快」演變成「誰算得便宜」,而 OpenAI 的最新動作正是這個趨勢的縮影。根據最新業界消息,OpenAI 為了擺脫對 NVIDIA GPU 的高度依賴,已經與網通暨晶片巨頭博通(Broadcom)深度合作,共同開發一款名為「Jalapeño」(墨西哥辣椒)的客製化晶片(ASIC)。這款晶片將主要用於 AI 模型的「推論(Inference)」階段,也就是我們日常在使用 ChatGPT 時,系統生成回覆的運算過程,這部分的算力消耗在用戶量暴增後,已成為 OpenAI 最沉重的財務負擔。

博通在此次合作中扮演了關鍵的「開道者」角色。博通擁有全球頂尖的 ASIC 設計經驗與高速傳輸 IP,過去曾成功幫助 Google 打造了多代 TPU 晶片。OpenAI 選擇與博通合作,正是看中其能快速將 AI 架構轉化為實體晶片的能力。而這款「辣椒晶片」的生產,毫無懸念地將交給擁有全球最先進製程與 CoWoS 封裝技術的台積電。這意味著,即使科技巨頭們紛紛自研晶片,最終的製造終點站依然是台灣。

OpenAI 財務長 Sarah Friar 近期也透露,隨着模型規模擴大,自研晶片帶來的成本控制,將是 OpenAI 對抗 Meta 等開源模型陣營的終極武器。當開源模型試圖用免費策略搶佔市場時,OpenAI 若能將每百萬個 Token 的運算成本降到極低,就能在商業訂閱與企業服務上,保持無可匹敵的價格優勢。

  1. 2024-07:媒體首度披露 OpenAI 正在與博通、台積電洽談自研晶片計劃,試圖組建自研晶片聯盟。
  2. 近期:OpenAI 確定與博通聯手開發名為「Jalapeño」的 AI 晶片,鎖定推論市場,預計由台積電 3 奈米家族製程代工。

台灣怎麼看這件事?

台灣半導體產業將是這場晶片大戰的最大贏家。在這波自研晶片潮中,不論是 NVIDIA 繼續霸佔市場,還是 OpenAI、Google、Meta 等科技巨頭(CSP)走向自研 ASIC,所有的路最終都通往台灣。台積電不僅穩拿代工訂單,台灣龐大的半導體供應鏈,特別是提供 IP 與 ASIC 設計服務的廠商(如創意電子、世芯-KY、智原),都將迎來前所未有的「客製化晶片外包」紅利。然而,中華信評近期也示警,AI 產業高度集中於硬體製造,台灣需注意能源供應、地緣政治與客戶過度集中的潛在風險。

編輯觀點

這不是要「消滅」NVIDIA,而是一場「分工與防禦」的商業算計。OpenAI 很清楚,要訓練最頂級的 GPT-5 依然需要 NVIDIA 的超強 Hopper 或 Blackwell 平台;但對於日常、簡單的 ChatGPT 對話推論,用昂貴的 NVIDIA 晶片簡直是「拿大砲打小鳥」。自研 Jalapeño 晶片是為了實現「算力分級」,用最便宜的自建硬體處理日常流量,把最貴的 NVIDIA 算力留給頂尖科研。對台灣而言,我們不需要選邊站,因為不管是誰的晶片,沒有台灣的先進封裝,誰也動不了。

常見問題

OpenAI 為什麼要自研晶片 Jalapeño?
主要為了降低對 NVIDIA 的依賴,大幅減少 ChatGPT 日常營運的「推論」成本,提升商業競爭力。
「Jalapeño」晶片什麼時候會量產?
目前仍處於設計階段,預計最快將於 2026 年交由台積電採用先進製程進行量產。
博通(Broadcom)在這場合作中扮演什麼角色?
博通提供關鍵的晶片 IP、ASIC 設計經驗與高頻寬傳輸技術,協助 OpenAI 快速將構想落地為實體晶片。
這會對 NVIDIA 造成致命打擊嗎?
不會。NVIDIA 在 AI「訓練」市場仍有絕對霸權,但自研晶片確實會瓜分部分毛利較高的「推論」晶片市場。
台灣哪些廠商能從中獲益?
除了台積電直接取得代工訂單外,台灣的 ASIC 設計服務廠商與測試、散熱供應鏈也將間接受益。

名詞小教室

ASIC(客製化特殊應用晶片)
就像是「量身打造的專用廚具」,只針對特定料理(如 AI 推論)設計,比一般「萬用」的廚具(如 GPU)更省電、效率更高。