「AI 造芯片的两条路：Kimi K3 用 48 小时跑完开源 EDA 全流程，OpenAI 九个月流片 Jalapeño」

一颗专用芯片从架构定义走到流片，行业常规节奏是 18 到 36 个月。2026 年 7 月 18 日，月之暗面发布 Kimi K3 时放出一段演示：模型驱动的 Agent 连续自主运行 48 小时，只靠开源 EDA 工具和 Nangate 45nm 工艺库，跑完了一颗推理加速器原型的设计、优化与验证。一个多月后，OpenAI 在 8 月 25 日的 Hot Chips 上公布了自研推理芯片 Jalapeño 的第一批实测数据——台积电 3nm、与博通联合开发、从架构到流片九个月。两次事件指向同一件事：AI coding 的能力边界，正在从「写应用软件」往「造物理硬件」移动。

⏱️ 两条时间线：48 小时与 9 个月

先看最硬的两个数字。

Kimi K3 那条线，官方给的口径是「早期概念验证」。48 小时连续自主运行，输入是开源 EDA 工具链与 Nangate 45nm 单元库，输出是一颗跑得动 Kimi 自家 Nano 模型的推理加速器原型。

Jalapeño 那条线是真芯片。2024 年年中立项，2025 年 11 月流片，2026 年 8 月 25 日交出第一组实测数据，前后不到两年。工程样品已在实验室跑 OpenAI 自己的模型，计划 2026 年底小规模部署，2027 年扩大规模。

两个数字不在同一量级上比。Kimi K3 走的是 45nm 开源工艺库，落后当前 3nm、2nm 前沿节点好几代，官方自己就写明无流片、无回片、无测试板、无独立复现。Jalapeño 是台积电 N3P 工艺的真实硅片，已经回片在跑。把两者当成「谁更快」的对决会读错，它们其实是两条不同的路线。

🔬 Kimi K3 那颗芯片：146 万个标准单元塞进 3.98 平方毫米

7 月底的技术报告把细节摊开了。

模型本体是 2.8 万亿参数的 MoE，上下文窗口 100 万 token，推理时激活 896 个专家中的 16 个。除芯片之外，它还从零写了类 Triton 的 GPU 编译器 MiniTriton（基于 MLIR 的 tile 级 IR、优化 pass、PTX 代码生成），在 Roofline 基准上持平或超过官方 Triton 与 torch.compile。

💥 48 小时之后：EDA 双雄的股价跌了一天

消息出来后的第一个交易日，新思科技盘中一度跌超 12%，收盘跌约 8%；Cadence 单日跌 7.85%。恐慌顺着产业链往外扩，智谱在港股跌 28%，MiniMax 跌 16%，软银在东京跌 9%。

卖方给的解读分成两派。Union Bancaire Privee 董事总经理 Vey-Sern Ling 认为，若美国企业转向使用中国模型、减少采购 Anthropic 服务，会连带压缩资本开支并最终冲击芯片需求。摩根士丹利分析师 Gary Yu 把它定调为中国 AI 产业长期积累进步的结果，而不是一夜翻盘的颠覆事件。彭博行业分析师 Robin Zhu 认为卖压反应合理。

一个多月后叙事反转。 OpenAI 公布 Jalapeño 实测数据时，「大模型掀翻 EDA」的说法冲到顶点，新思与 Cadence 的股价反而上涨。第一财经在 9 月 9 日的复盘里给出了原因：K3 试图证明「AI 可以不用 EDA 巨头的工具」，而 Jalapeño 作为一颗有实际落地的芯片，依然深度绑定商业 EDA——底层物理验证、签核和先进封装仍由商业 EDA 与确定性工具完成。市场从「替代恐慌」切换成了「辅助增值」。

🔥 Jalapeño 的实测数据：每瓦 1.5 到 1.9 倍，端到端延迟 1.7 到 3.6 倍

测试用 SemiAnalysis 的公开基准 InferenceX，对比对象是英伟达 GB200 与 GB300 整机系统，三个开放权重模型：GPT-OSS 120B、DeepSeek R1 670B、Kimi K2.5 1T。

对照的 GB300 是 288 GB HBM3E、标称功耗 1400 W。OpenAI 硬件副总裁 Richard Ho 的说法是，AI 系统通常要在低延迟和高吞吐之间取舍，Jalapeño 想两头都要。

四个前提得一起摆出来。对比对象不含 Rubin；数据主要由 OpenAI 提供，SemiAnalysis 在实验室现场验证了 InferenceX 的部分运行，没有完成整套测试，也没看到更接近真实智能体生产负载的 AgentX 结果；测试未覆盖全部生产负载；Jalapeño 用单 token 预测，英伟达部分公开生产数据用多 token 预测，SemiAnalysis 认为统一配置后领先幅度可能变化。

🤖 更值得盯的那部分：AI 在给芯片写内核

比性能图更有意思的是 Jalapeño 的诞生方式。

工程师用 OpenAI 自研的编程语言 Gluon 写内核，一段内核代码可能长达数千行，需要针对芯片结构反复手工调优。后来 OpenAI 让内部 Codex 配合 GPT-Astra 参与这项工作，两个月内把三个原本不在生产计划中的开放权重模型适配到了 Jalapeño 上。在部分 GPT-OSS 注意力模块和混合专家模块中，AI 生成的实现比原有的人类专家版本快 1.5 到 1.8 倍（OpenAI 特意说明这个数字只适用于选定模块，不能外推到整个模型）。另有报道提到 BF16 乘法器的面积优化达到 56%。

这套循环触碰的东西比性能更深一层。ASIC 过去能围绕特定负载拿到漂亮性能，但每增加一个新模型都要重新写内核、适配算子、维护编译器与调试工具。GPU 贵，CUDA 的价值在于把这些工程成本摊给了一个庞大的开发者生态。OpenAI 展示的是另一条路径：不先复制一整套 CUDA，而是让模型自动生成、测试和优化底层代码，把新模型进入自研芯片的适配成本压下去。

这条路目前只对内。Jalapeño 主要服务 OpenAI 自己的模型和负载，外部开发者还不能像用 CUDA 那样在这套平台上自由部署和维护应用。它说明 OpenAI 能在内部降低对 CUDA 的依赖，还没说明 OpenAI 建起了一套面向市场的替代生态。

🧭 与英伟达的关系还没翻篇

数据出来两周前的 8 月 17 日，英伟达刚宣布为 SB Energy 在俄亥俄州的 PORTS-Pike 园区提供信用支持，据《金融时报》等报道上限可能达到 1050 亿美元。这不是英伟达直接给 OpenAI 放贷：SB Energy 负责建设运营，OpenAI 签 20 年租约，园区将独家采用英伟达计算平台。

Jalapeño 只做推理，不覆盖训练。Richard Ho 对彭博社的说法是「英伟达是非常好的合作伙伴，我们仍然需要大量的英伟达」。OpenAI 与博通在 2025 年 10 月公布了一项 10 GW 多代自研加速器合作计划，目标从 2026 年下半年开始部署、2029 年底完成。第二代 Jalapeño 已进入后期开发，预计未来数月内流片，第三代已启动概念设计。

⚖️ 三道还没过去的坎

还有一个更基础的边界：测试用的三个模型规模不小，却不是各家最新的开放模型。更新、更复杂的模型在 Jalapeño 上的适配速度和实际表现还需要继续观察。

🔁 这件事在 AI coding 史上的位置

过去两年 AI coding 的主线是「模型能不能hold住一个真实仓库级的改动」，评测从单文件补全走到 SWE-bench、走到长时程自主任务。Kimi K3 的 48 小时和 OpenAI 的九个月把这条线又往外推了一格：当 Agent 能连续工作两天不崩、能在验证循环里自动迭代方案，它接得住的就不只是软件仓库，还包括用确定性工具链描述的物理设计流程。

不过这条推演有个硬约束。芯片设计里有大量的物理验证、签核、先进封装环节，靠的是商业 EDA 的确定性工具，不是语言模型能凭概率顶上去的地方。Jalapeño 之所以能九个月流片，博通的深度参与和商业 EDA 的底座同样关键。

接下来 12 个月值得盯三个数字：Jalapeño 大规模部署后的真实推理成本降幅、第二代流片时间是否进一步压缩、以及 Codex 类工具在芯片内核适配上的人力替代比例。

📚 参考文献

1. 第一财经/新浪财经：大模型涉足半导体设计，EDA 会「颤抖」吗？2026-09-09
2. 网易智能/腾讯新闻：OpenAI 首颗芯片炸场，第一代就杀进前沿，2026-08-26
3. 智东西：Kimi K3 技术报告与权重发布，2026-07-28
4. 钜亨网：9 个月搞定流片，OpenAI 自研 ASIC 出炉，2026-08
5. SemiAnalysis InferenceX 基准 / Hot Chips 2026（2026-08-25）
6. MartechAI：OpenAI's Jalapeño AI Chip Shows Higher Speed and Power Efficiency in First Benchmarks

#AI造芯片 #Jalapeño #EDA