[Devansh] OpenAI 如何让芯片设计快 3 倍

⚡️当模型按周进化，芯片还要按年等待吗？

OpenAI 的 Jalapeño 给出了一次令人不安的回答：一颗采用台积电 N3 工艺的前沿 ASIC，从初始 RTL 到流片，约九个月。

这不是一篇关于“谁比英伟达 Blackwell 更快”的故事。它关乎一种更深的权力迁移——从性能，迁移到速度；从造出一颗更好的芯片，迁移到更快地发现“下一颗芯片该是什么”。

硬件曾是软件想象力的边界；而现在，它可能开始成为反馈回路的一部分。

我们跟随 Devansh 的文章，进入 Richard Ho 横跨 Google TPU、Argos 与 OpenAI 的技术轨迹：高层次综合、XLS、Codex、验证、布局，以及那套看似朴素却改变一切的循环：propose → measure → optimize。

AI 不只是写 RTL。它在真实的功耗、性能、面积（PPA）约束中搜索；人类不只是交付设计，而是在缩短“猜测未来”的代价。

Jalapeño 未必意味着 GPU 的退场。更可能意味着一个新秩序：GPU 用来探索未知，专用芯片用来固化已被证明的重要性。AI 设计硬件，硬件再运行 AI——闭环一旦加速，计算创新本身的节奏也将被重写。

原文链接：www.artificialintelligencemadesimple.com

发布时间：2026-09-01