當整個系統同步改進，AI 的進展累積得最快。這正是我理解 OpenAI 運算策略的方式：建立一個涵蓋數據中心與晶片、前沿模型、開發者平台、消費者與企業產品，以及 AI 原生裝置的一體化系統，讓每一層都能強化下一層。
更好的軟件能提高硬件的生產力。針對我們的工作負載設計硬件，可提升速度和效率。能力更強的模型可催生更好的產品，進而帶來更多需求、使用量和學習機會。這些訊號會回流至整個系統，協助我們再次改進。
今天，我們公佈了 OpenAI 首款自訂推理晶片 Jalapeño 的首批實測性能結果。在使用 GPT‑OSS 120B 的公開基準測試 InferenceX 中，Jalapeño 的每千瓦峰值吞吐量高於受比較的商用系統，Token 延遲亦更低。它在 DeepSeek R1 和 Kimi K2 上亦表現出色，證明其效益可延伸至不同模型系列。
Jalapeño 讓我們更能掌控模型的運行方式和服務模型的經濟效益。透過協同開發模型、推理服務軟件、晶片、記憶體和網絡，我們可從整體系統層面改善吞吐量、延遲、能源效益和成本。除了採用其他合作夥伴的加速器外，這亦為我們開闢了可靠的自研路徑，讓我們更有能力按合適的經濟效益，為每項工作負載配對最強的系統。我們現已有具實測結果、可正常運作的自研晶片，並已着手研發後續世代。
不同工作負載對系統有不同要求。前沿訓練、大規模推理和持續運作的智能體，對晶片、軟件、網絡、電力和延遲各有不同要求。
我們的目標是維持在帕累托前沿：持續為每項工作負載尋求能力、速度、可靠性、效率與成本的最佳組合。不同晶片和供應商各有所長，而技術前沿亦不斷推進。
我們的多元組合提供了滿足這些需求所需的廣度。Microsoft 的運算資源和 NVIDIA 的晶片，一直是 OpenAI 增長的基礎。如今，我們的合作組合亦包括 AWS、AMD、Broadcom、Cerebras、CoreWeave、Oracle、SB Energy 和 SoftBank。它們在雲端基礎設施、加速運算、低延遲推理、數據中心開發和能源供應方面各具優勢。
我們積極管理這一組合，兼顧能力與經濟效益。在最重視能力的範疇，我們採用高階系統；而在規模和成本更重要的範疇，則着重優化效率。在供應商、硬件和部署模式之間保留可靠的選擇，讓我們可把需求導向每美元性能最高的方案，在市況轉變時維持定價紀律，並隨更強技術湧現而緊貼前沿發展。在更緊密整合能改善整個系統的領域，直接掌控可帶來額外槓桿效益。當生態系統能助我們加快步伐，我們便選擇合作；當協同設計可締造顯著優勢，我們便自行建構。
數據中心是另一個可發揮槓桿效益的環節。佐治亞州的 Project Camellia 展示了我們如何按照客戶工作負載設計設施，同時創造就業、支援本地企業、承擔項目基礎設施和能源成本、透過閉環系統節約用水，並每年就其承諾接受獨立公開審計。
這個系統的價值取決於其產出：讓每一單位運算資源產生更多實用智能。
更好的模型可用更少嘗試得出正確答案。更智能的路由和情境管理可減少無效運算。經優化的軟件和專用硬件可提升速度和能源效益。
在 Artificial Analysis Coding Agent Index 上，採用 Max 推理的 GPT‑5.6 Sol 創下新高，輸出 Token 用量較另一個領先模型少 54%。對客戶而言，這類改進意味着更快取得結果、產品更可靠、重試次數更少、智能體可完成更長的工作流程，並降低成功完成工作的總成本。最佳經濟效益來自每美元可獲得的實用智能。
隨着實用智能的能力提升、價格下降，愈來愈多工作在經濟上變得可行。企業可為每位客戶提供度身訂造的分析、審閱每份合約、實時運行財務情境，並協助工程師測試更多構思。這就是 Jevons 悖論：效率提升令更多用途變得值得採用，從而擴大消耗，並透過完成更多工作、作出更佳決策、推出更多產品和創造更多收入，帶動新的經濟活動。
生產力更高的運算資源和更具競爭力的供應基礎，有助我們以更低成本服務更多客戶，並讓用戶受惠於這些效率增益。增長為研究、基礎設施和安全方面的持續投資提供資金。這就是 OpenAI 持續累積的優勢：更好的技術帶來更佳經濟效益，更佳經濟效益為下一輪進展提供資金，而每項改進都會令整個系統更強大。
