OpenAI正在将“丰富智能”愿景从模型层延伸到芯片层。其自研Jalapeño推理芯片围绕自身模型工作负载设计，早期基准测试显示，在GPT-OSS 120B模型上，Jalapeño相较测试中的商用系统实现了更高的每千瓦峰值吞吐量，同时Token延迟更低。这意味着在相同电力消耗下可以完成更多推理任务，并缩短用户等待时间，对大规模AI服务的成本结构和实时体验都有直接影响。该进展也印证了OpenAI CFO Sarah Friar所强调的全栈协同逻辑：芯片、算力、模型与产品并非孤立进步，而是复合叠加，共同推动智能以更大规模、更低成本被使用。Jalapeño的早期数据虽然尚未全面公开，但已显示出OpenAI在推理基础设施上减少对外部通用方案依赖、针对自身负载进行垂直优化的明确信号。