据 IEEE Spectrum 报道，OpenAI 在其代号为 Jalapeño 的芯片项目中，使用了自家的大语言模型参与芯片设计。这是该公司将自研 LLM 引入硬件设计流程的一次公开案例。
需要说明的是，目前披露的信息相当有限：报道未给出该芯片的用途、工艺节点、性能指标或流片时间，也未说明 LLM 具体承担了哪些环节的工作。因此对这条消息的解读应保持克制。
为什么值得关注？
其一，"用 AI 设计芯片"正从研究演示走向企业内部实践。近几年，LLM 在 RTL 代码生成、验证脚本编写、测试用例补全、寄存器与文档整理等环节已有不少探索；而由模型开发方自己下场，把模型用在自己的芯片项目上，形成"自研模型—自研芯片"的闭环，并不常见。
其二，对 OpenAI 而言，芯片是算力成本的关键变量。自研加速器通常被视为降低对单一供应商依赖、优化推理成本的路径之一，而设计环节本身的效率与人力投入，同样长期受到关注。
其三，它把一个判断问题摆上台面：LLM 在芯片设计中是"提效工具"还是"核心方法"。若只承担代码补全与文档生成，意义在于缩短周期；若能参与架构探索、验证覆盖等更上游的决策，影响则完全不同。仅凭现有信息，无法区分属于哪一种。
对从业者而言，这类案例的价值更多在于提供信号：模型能力正从软件工程向硬件工程外溢，EDA 与芯片设计流程可能成为 LLM 落地的重要场景。后续值得追踪的是更具体的技术细节——模型在流程中的位置、人工审核的比例，以及最终产品的实际结果。