OpenAI 團隊利用內部微調過的大語言模型（LLM），為其自訂的 Jalapeño 推論晶片設計執行軟體。

在 DeepSeek 的多頭潛注意力核心（multi-head latent attention kernel）基準測試中，軟體效能僅在約 40 小時內，便從理論上限的 0.31% 大幅躍升至 88.94%。這顯示 AI 能夠處理複雜運算，生成超越簡單腳本的高效能關鍵程式碼。

該團隊使用的內部 LLM 是針對晶片設計任務微調的模型。這項成果標誌著硬體啟動階段的顯著加速，證明大語言模型能大幅降低自訂硬體上低階軟體優化所需的时间與專業知識。

事件背景

自訂 AI 晶片通常需要大量的軟體優化才能充分發揮其硬體效能，這過程傳統上由手寫的組語或高度微調的 C/C++ 程式碼完成。大語言模型正逐漸應用於自動化此工作流程，從生成閘級電路（RTL）程式碼到為空間運算引擎等特定架構優化編譯器核心。

社群觀察

社群觀點呈現兩極化。支持者讚賞創新速度，認為這有望讓企業加快迭代速度並減少對專屬編譯器工程師的依賴；也有評論者強調這對硬體開發週期的廣泛影響。

批評者則擔心硬體設計中的 IP 洩漏風險，並引用「信任信任」悖論。另有觀點指出標題可能誤導，讓人以為是 AI 進行創意設計，而非用於軟體開發。