支撑丰富智能的全栈技术

# 丰富智能背后的全栈架构 来源：https://openai.com/index/the-full-stack-behind-abundant-intelligence/ AI领域的进展在系统性整体提升时复合增长最快。这正是我思考OpenAI算力战略的方式：一个贯穿数据中心与芯片、前沿模型、开发者平台、消费者与企业产品以及AI原生设备的集成系统，各层级相互增强，形成良性循环。 更优秀的软件能提升硬件生产力。为特定工作负载设计的硬件可优化速度与效率。更强大的模型催生更优质的产品，从而创造更多需求、使用和学习。这些信号反向流动于系统中，助力我们再次改进。 今日我们分享了Jalapeño的首批实测性能数据（https://openai.com/index/jalapeno-first-results/）。作为OpenAI首款定制推理芯片，在InferenceX公开基准测试中（使用GPT‐OSS 120B模型），Jalapeño在峰值吞吐率（每千瓦）和token延迟指标上均优于对比中的商用系统。其在DeepSeek R1和Kimi K2上的强劲表现，证明性能优势可跨模型体系延伸。 ## Jalapeño在先前最佳TBT指标上扩大领先 Jalapeño让我们能更精细地控制模型运行方式及服务成本结构。通过协同开发模型、服务软件、芯片、内存与网络，我们可以将吞吐量、延迟、能效与成本作为统一系统进行优化。这为我们在使用其他合作伙伴加速器之外，建立了可靠的第一方技术路径，增强了为每种工作负载匹配最优系统（兼顾性能与经济效益）的能力。目前我们已拥有经实测验证的第一方硅芯片，下一代产品研发也已启动。 ## 构建广度，掌握杠杆 不同工作负载对系统有不同要求。前沿训练、高并发推理和常驻智能体在芯片、软件、网络、能耗和延迟方面各有需求。 我们的目标是保持帕累托前沿：持续为每种工作负载寻求能力、速度、可靠性、效率与成本的最优组合。不同芯片与供应商在不同维度上各具优势，且前沿始终在移动。 我们的技术组合提供了满足这些需求的弹性。微软的算力与英伟达的芯片是OpenAI成长的基石。如今我们的组合还包括AWS、AMD、博通、Cerebras、CoreWeave、甲骨文、SB Energy和软银。各伙伴在云基础设施、加速计算、低延迟推理、数据中心开发与能源交付方面各有所长。 我们积极管理这一组合，兼顾能力与经济性。在能力最关键处采用高端系统，在规模与成本更重要的场景则优先考虑能效。保持供应商、硬件与部署模式的可信选择，让我们能将需求导向最具性价比的性能配置，随市场变化维持定价纪律，并在更强技术出现时快速跟进。紧密集成能提升整体系统效率的场景，我们选择自主掌控；生态合作能加速发展的领域，我们选择协作共建。 数据中心是另一处杠杆支点。佐治亚州的山茶花项目（https://openai.com/index/building-ai-infrastructure-with-the-effingham-county-community/）展示了我们如何设计以客户工作负载为核心的设施，同时创造就业、支持本地企业、覆盖项目基础设施与能源成本、通过闭环系统节约用水，并接受年度独立公共审计。 ## 将效率转化为经济价值 系统的价值体现在其产出：单位算力产生的更实用智能。 更优的模型能以更少尝试获得正确答案。智能路由与上下文管理减少无效计算。优化软件与专用硬件提升速度与能效。 在人工分析编码智能体指数中，GPT‐5\.6 Sol在启用最大推理能力时达到新高，同时输出token消耗比另一领先模型减少54%。对客户而言，这类改进意味着更快响应、更可靠的产品、更少重试、能完成更长流程的智能体，以及更低的总成功成本。最佳经济性源于单位美元产生的实用智能。 随着实用智能变得更强大且更经济，更多工作在经济上变得可行。企业可为每位客户提供定制分析、审核每份合同、运行实时金融情景模拟，并帮助工程师测试更多方案。这就是杰文斯悖论：更高效率使更多应用产生价值，通过完成更多工作、支持更优决策、推出更多产品、创造更多收入，最终扩大消费并催生新的经济活动。 ## 复利效应 更具生产力的算力与更具竞争力的供应基础，让我们能以更低成本服务更多客户，并将效率提升传递至用户。增长反哺对研究、基础设施与安全的持续投入。这就是OpenAI的复利优势：更优技术创造更佳经济性，更佳经济性资助下一阶段进步，每次进步都让整个系统更加强大。