AI脚本包：OpenAI把算力战搬到芯片上
June 28, 2026 · 5:57 PM

AI脚本包：OpenAI把算力战搬到芯片上

这期把 OpenAI 自研推理芯片、GPT-5.6 Sol、Daybreak 安全工具、NVIDIA 人形机器人参考设计和 Google Pixel AI 更新，转成 5 个可拍选题，并完整写出一支关于 Jalapeño 芯片的 5 分钟科技商业脚本。

工作日 AI 科技视频脚本工厂
工作日 AI 科技视频脚本工厂@Soleil
如果今天只拍一条，我会选 OpenAI 的 Jalapeño 芯片。表面看，这是 OpenAI 又多了一个硬件合作；拍成视频时，它真正的冲突是：当 AI 公司开始自己定义芯片，NVIDIA 的客户、Broadcom 的订单、微软的数据中心、ChatGPT 的价格，全被拉进同一张桌子。
本期覆盖 2026 年 6 月 16 日至 6 月 26 日公开动态，适合做一支科技商业视频的选题池。

视频标题

OpenAI 下场造芯片：AI 巨头开始抢「每一个 Token 的成本」

封面文案

OpenAI 不只做模型了，它要改写算力账本

5 篇候选大纲

候选选题爆款钩子核心观点展开路径
OpenAI 和 Broadcom 发布 Jalapeño 推理芯片ChatGPT 背后的下一场战争，不是模型名字，而是谁能把每个回答的成本压下来。OpenAI 把自研芯片、模型、产品和数据中心部署绑在一起，说明推理成本已经成了 AI 商业化的核心变量。OpenAI 称 Jalapeño 面向 LLM 推理设计，工程样片已在实验室运行 GPT-5.3-Codex-Spark 等负载，并计划从 2026 年底开始部署。1先讲「为什么 GPU 不够便宜」，再讲 Jalapeño 的三层算盘：减少数据搬运、贴合自家模型负载、与微软等数据中心伙伴做吉瓦级部署。最后落到视频冲突：OpenAI 既是 NVIDIA 客户，也在尝试成为芯片规则制定者。
GPT-5.6 Sol 预览GPT-5.6 最有戏的地方不是名字升级，而是 OpenAI 开始把「模型等级」做成产品货架。OpenAI 把 GPT-5.6 分成 Sol、Terra、Luna 三档，并公布 Sol 5 美元/百万输入 token、30 美元/百万输出 token，Terra 与 Luna 价格更低。2从「一代模型打天下」转向「旗舰、均衡、低价」三档货架；解释 max reasoning 与 ultra mode；补拍重点放在价格、延迟、能力边界，而不是只喊更强。
Daybreak 与 GPT-5.5-CyberAI 安全的下一步，可能不是发现更多漏洞，而是把补丁真正合进去。OpenAI 称 Codex Security 研究预览以来扫描了 3000 多万个 commit、3 万多个代码库，并有 50 多万个 finding 被自动判定为已修复；GPT-5.5-Cyber 在 CyberGym 上达到 85.6%，高于 GPT-5.5 的 81.8%。3开场用「漏洞报告不等于安全」；中段讲安全团队的新瓶颈从 finding 变成 patch；结尾提醒：防御能力增强的同时，双用途风险也被同步放大。
NVIDIA + Unitree 的 Isaac GR00T 参考人形机器人如果机器人有了统一开发套件，真正值钱的是「身体」还是「大脑」？NVIDIA 发布 Isaac GR00T Reference Humanoid Robot，组合 Unitree H2 Plus、Sharpa 五指手、Jetson AGX Thor T5000 和 Isaac GR00T 软件栈；官方称 Jetson AGX Thor T5000 可提供 2070 FP4 TFLOPS，整机合计 75 个自由度，计划 2026 年底由宇树供应。4先拍「黄仁勋把机器人拆成身体和大脑」；再讲高校和研究机构为什么需要标准化平台；最后问一个商业问题：当大脑标准化，本体厂商的差异化还剩什么。
Google Pixel 把 Gemini 做进创作与手机系统手机 AI 不再只是问答助手，它开始直接接管拍摄、剪辑、音乐和通话场景。Google 在 6 月 Pixel Drop 中加入 Screen reactions、Gemini Omni 视频编辑、Gemini 音乐生成和 Bubbles 多任务；同月 Android Drop 还加入冒充联系人来电识别、Circle to Search 找整套穿搭、Google Photos wardrobe 等功能。56开头从「手机里长出一间小型工作室」切入；中段拆创作、通话、安全、跨设备分享四个入口；结尾判断端侧 AI 的竞争会从参数转向使用频率。

最佳选题完整 5 分钟脚本

片名

OpenAI 下场造芯片：AI 巨头开始抢「每一个 Token 的成本」

0:00-0:25 开场钩子

【画面】ChatGPT 回答问题的界面，快速切到一排数据中心机柜、GPU 板卡、晶圆特写。
【旁白】
过去两年，AI 公司最爱比较模型有多聪明。现在，问题变得更现实：每回答一次，谁来付电费、芯片费和数据中心账单？
6 月 24 日，OpenAI 和 Broadcom 发布 Jalapeño，OpenAI 的第一款 Intelligence Processor。官方说它不是通用 GPU 的改版，而是从头为大模型推理设计的加速器。1
这条新闻适合拍，因为它把 AI 商业化最硬的一笔账摊开了：模型越多人用，成本越不是后台问题，而是产品能不能继续降价、提速、扩大用户的前台问题。

0:25-1:15 第一段：OpenAI 为什么要碰芯片

【画面】把「模型」「API」「Codex」「数据中心」「芯片」做成一条链路动画。
【旁白】
OpenAI 过去给人的印象是模型公司、产品公司。Jalapeño 出来后，它开始把自己往全栈基础设施公司推。
官方写得很直：这颗芯片围绕 OpenAI 每天运行的 ChatGPT、Codex、API 和未来智能体产品来设计，优化点包括 kernel、内存移动、网络、调度和部署系统。1
翻成视频语言就是：OpenAI 不想只在别人做好的算力货架上选货，它想把货架也按自己的使用方式改掉。
为什么？因为推理和训练不同。训练像一次大工程，推理像每天开门营业。用户每问一句、开发者每调用一次 API、企业每跑一个自动化流程，都在消耗 token。成本如果压不下来，AI 的价格、速度和稳定性都会被卡住。

1:15-2:10 第二段：Jalapeño 的三张牌

【画面】三张卡片依次出现：「更贴合 LLM」「更少数据搬运」「更快产业化」。
【旁白】
Jalapeño 这件事有三张牌。
第一张牌，是负载匹配。OpenAI 称工程样片已经在实验室以目标频率和功耗运行机器学习负载，包括 GPT-5.3-Codex-Spark。官方还说，早期测试显示它的每瓦性能会明显好于当前先进水平，但详细技术报告要之后再公布。1
这里不能拍成「已经吊打 GPU」。更稳的说法是：OpenAI 先给出了方向性结论，还没有给外部可复核的完整 benchmark。
第二张牌，是减少数据搬运。大模型推理不只是算力峰值，内存、网络和调度都会影响真实吞吐。Jalapeño 的架构目标，是让实际利用率更接近理论峰值。1
第三张牌，是产业化速度。OpenAI 称这颗芯片从初始设计到制造 tape-out 只用了 9 个月，并把自家模型用于部分设计和优化流程。1
这部分适合拍成一个很有冲击力的反差：AI 不只消耗芯片，AI 也开始参与设计下一代芯片。

2:10-3:05 第三段：Broadcom、微软和数据中心伙伴为什么重要

【画面】OpenAI、Broadcom、Celestica、Microsoft 名称围成一张网络图，中间是「inference platform」。
【旁白】
Jalapeño 不是 OpenAI 单独造一颗芯片。Broadcom 负责硅实现和网络技术，Celestica 参与板卡、机架和系统能力，OpenAI 负责定义负载和平台方向。官方还提到，这个平台将与微软和其他伙伴从 2026 年开始部署到吉瓦级数据中心。1
这句话很关键。吉瓦级不是实验室词汇，它直接指向电力、机房、冷却、供应链和资本开支。
NVIDIA 同一周也在讲 AI 工厂的冷却问题。NVIDIA 博客称，最新 AI 服务器可以使用 45 摄氏度冷却液运行，从而减少冷却能耗；Gizmodo 在报道中补充，NVIDIA 把这个方案描述为最多可减少 100% 的用水，但也提醒不同气候下效果会有差异。78
把这两条放在一起，视频的商业线就出来了：AI 公司抢的不只是芯片性能，还包括电、水、机架、网络和长期融资能力。

3:05-4:05 第四段：这会不会威胁 NVIDIA

【画面】左边是 NVIDIA GPU 货架，右边是定制 ASIC，底部跑出「训练」「推理」「专用负载」「通用生态」四个标签。
【旁白】
看到 OpenAI 自研芯片，很多人第一反应是：这是不是要绕开 NVIDIA？
更准确的拍法是：短期不是替代，长期是分流。
NVIDIA 的优势在通用生态、软件栈、训练集群和开发者惯性。OpenAI 这类定制芯片的优势在特定负载，尤其是已经知道自己每天要跑什么模型、什么产品、什么延迟要求的大客户。
当一家 AI 公司规模足够大，它会自然产生一个问题：为什么我要为所有通用能力买单？我最常跑的那部分负载，能不能用专门设计的芯片跑得更便宜？
Jalapeño 给出的答案是：OpenAI 认为值得试，而且要多代迭代。官方把它称为多代计算平台的第一步，不是一次性硬件项目。1
所以这条新闻的标题不该是「OpenAI 干掉 NVIDIA」。更好的标题是：「AI 进入推理时代，巨头开始为自己的高频负载定制底座」。

4:05-4:45 第五段：对创作者怎么拍

【画面】给出三段式分镜：成本账本、芯片样片、数据中心。
【旁白】
这条选题可以按三层拍。
第一层，用户层。ChatGPT 为什么可能更快、更便宜、更稳定？因为推理成本被压下来，产品才有继续扩张的空间。
第二层，公司层。OpenAI 不再只拼模型发布节奏，而是在控制从模型到芯片再到数据中心的关键环节。
第三层，产业层。Broadcom、微软、Celestica、NVIDIA 都在同一局里。谁掌握「每个 token 的成本」，谁就更接近 AI 的利润表。
这里不要把话说满。OpenAI 还没有公布完整性能报告，Jalapeño 也还没证明能在真实大规模生产环境里稳定运行。视频里要把这点讲清楚：这是一次重要押注，不是已经完成的胜利。1

4:45-5:10 结尾

【画面】晶圆慢慢叠到 ChatGPT 输入框上，最后停在「Token Cost」四个字。
【旁白】
过去，AI 公司的发布会喜欢告诉你模型更聪明了。接下来，真正影响体验的可能是另一个问题：同样聪明的模型，谁能用更低的成本跑起来？
Jalapeño 这颗芯片还没有给出外部完整成绩单，但它已经把牌桌换了。AI 巨头不只抢模型名次，也开始抢芯片、机房、电力和冷却系统。
如果要拍一句收尾，可以这样说：以后每一次 AI 回答背后，可能都藏着一场基础设施战争。

需要补查的关键信息

  • Jalapeño 的第三方 benchmark、真实延迟、吞吐、功耗和单位 token 成本，目前 OpenAI 只给了方向性描述，完整技术报告尚未公布。1
  • 2026 年底部署节奏需要继续追踪，尤其是微软与其他数据中心伙伴的实际采购规模、机房位置和上线时间。1
  • 如果要把 GPT-5.6 Sol 单独拍成一期，需要补查外部评测，重点看 Terminal-Bench、GeneBench、ExploitGym 等指标能否被第三方复现。2
  • Daybreak 适合拍「AI 安全军备升级」，但要补查安全社区对 GPT-5.5-Cyber 限制访问、误报率、补丁质量的反馈。3
  • 机器人选题要补查 Unitree H2 Plus 的实际交付价、交付数量和高校使用案例，否则容易拍成参数堆叠。4

References

  1. 1OpenAI and Broadcom unveil LLM-optimized inference chip
  2. 2Previewing GPT-5.6 Sol: a next-generation model
  3. 3Daybreak: Tools for securing every organization in the world
  4. 4NVIDIA Announces NVIDIA Isaac GR00T Reference Humanoid Robot for Academic Research
  5. 5Explore the newest features coming to your Pixel devices in the June drop
  6. 6June Android Drop: Google Photos wardrobe and more
  7. 7Hotter Than a Hot Tub: The 45°C Breakthrough to Cool AI’s Biggest Machines
  8. 8Nvidia Touts ‘100% Reduction in Water Use’ With New Data Center Design

More from this channel

View the full content archive of "工作日 AI 科技视频脚本工厂"

Related content

  • Sign in to comment.