读OpenAI辣椒芯片时间线：哪些是算准，哪些是意外

特别牛，早在2024年10月，行业注意力和资本几乎全在训练上：谁的集群大、谁能训出更强的模型。推理并不重要。而OpenAI在那时就判断出：推理重要，尤其是智能体那种长时间自主运行、反复调用的推理重要。

在那时就拿出了架构概念（Architecture Concept），决定这颗芯片要长什么样，多少算力、用什么内存、怎么互连、为哪类负载优化。

2025年2月RTL设计：用硬件描述语言把架构写成代码，定义每个电路的行为
2025年7月RTL冻结：设计定稿，不再改功能
后端物理设计（冻结到流片这4个月）：把代码变成实际的晶体管布局和连线，做时序收敛和验证
2025年11月流片（Tapeout）：设计文件给台积电，
流片到首硅这6个月：晶圆在厂里走完几百道工序
2026年5月：首硅（First Silicon）从台积电流出来，上电、能跑程序。

第一，我始终认为，预判趋势是这一轮AI竞争最重要的法宝，是AI企业天价薪酬和超级高管的价值点之所在。后面的事情大家都知道了，2025年11月Claude Code带来拐点之后，长上下文多轮的智能体增长，如今已在生产推理中占主导；2026年4月，OpenAI企业级智能体业务超过了ChatGPT。提前一年的判断，并据此决心造一颗专门做推理的芯片。若错判了，这19个月和几十亿美元就打了水漂。

第二，英伟达芯片正在被用来造它自己的对手芯片
芯片本身只会做很基础的动作，加法、乘法、搬数据。要让它跑一个AI模型，得有人把模型里的每个运算（矩阵乘法、注意力计算等）翻译成这颗芯片能执行的具体指令序列，还要精确安排数据什么时候搬进来、放哪、算完往哪放。这段代码就是核函数。它的难点在于：须为每一颗特定芯片单独写，且要写得极致。写不好，芯片的算力就发挥不出来。英伟达（CUDA生态里）的这类核函数已有人写了十几年，新芯片造出来没人为它写过核函数。于是，出了这样一件事，OpenAI要用DeepSeek模型做基准测试，而DeepSeek用了一种叫MLA的注意力机制。问题是，OpenAI内部从来没有实现过MLA的核函数，他们自己的模型不用这个结构，所以没人写过。照往常，让核函数工程师来写。花上几周研究MLA的数学结构、设计数据布局、反复调优。结果是Codex干了，专家完全没上场，且写出来的代码，既对又好（DeepSeek R1上并发1时每用户每秒700个token以上）。而写出这段核函数的模型，本身跑在英伟达的芯片上。哈哈～