出品 | 网易智能
作者 | 辰辰
编辑 | 王凤枝
第一代自研芯片，通常是用来交学费的。OpenAI 这次没有。
当地时间 8 月 25 日，OpenAI 在芯片行业会议 Hot Chips 期间，公布了 Jalapeño的第一组实测数据。
Jalapeño标称功耗 700 瓦，对面的英伟达 GB300 是 1400 瓦。在 SemiAnalysis 现场验证部分运行的 InferenceX 测试中，Jalapeño在三个开放权重模型上取得了更高的每瓦吞吐和更低的端到端延迟。
SemiAnalysis 甚至认为，Jalapeño的表现已经超过英伟达 Blackwell。
不过，这还不算一场完整的正面对决。测试没有覆盖全部生产负载，数据主要由 OpenAI 提供，芯片也尚未大规模部署。现在还不能说 OpenAI 已经全面击败英伟达。
但一家第一次造 ASIC 的模型公司，第一代产品就摸到了前沿推理芯片的竞争区间，这件事本身已经不寻常。
而比性能图更值得留意的，是 OpenAI 正在让 AI 参与芯片的设计和编程，试图绕过自研芯片最难补齐的那块短板：软件生态。Jalapeño真正触碰的，可能不是英伟达某一代芯片的性能上限，而是比性能更深一层的东西：CUDA。
一、三组数据，三个模型
Jalapeño是 OpenAI 与博通合作开发的推理专用 ASIC，只做推理不做训练，围绕特定负载定制，不依赖英伟达的 CUDA 生态。它今年 6 月首次公开，两个月后 OpenAI 交出了第一份成绩单。
测试使用的是 SemiAnalysis 推出的公开基准 InferenceX，对比对象是英伟达 GB200 和 GB300 系统。三个模型跑下来：
每瓦能够完成的 AI 工作量，高出 1.5 至 1.9 倍；
端到端延迟优势达到 1.7 至 3.6 倍；
在高交互场景中，性能高出 2.1 至 4.1 倍。
三个模型分别是 GPT-OSS 120B、DeepSeek R1 670B，以及月之暗面的 Kimi K2.5 1T。第三个模型拥有一万亿参数，是这次测试中规模最大的一个。Jalapeño在它上面的峰值每瓦性能约高出 1.5 倍，端到端延迟低 3.4 倍。
OpenAI 硬件副总裁理查德·何（Richard Ho）的说法是，AI 系统通常要在低延迟和高吞吐之间取舍，而 Jalapeño试图同时做到两点。
两个边界要先交代清楚。一是对比对象不含 Rubin：OpenAI 官方对比的是 Blackwell 平台的 GB200 和 GB300，而不是同样使用 HBM4、已经开始交付的 Rubin。SemiAnalysis 随后把 Jalapeño与英伟达此前公布的 Rubin 结果放在一起比较，但那不是同一实验室、同一轮测试的正面对决。二是数据由 OpenAI 提供：SemiAnalysis 在实验室现场验证了 InferenceX 的部分运行，没有完成整套测试，也没有看到 AgentX 结果，而后者更接近真实的智能体生产负载。
二、700 瓦背后的账
我们回到芯片规格。
单颗 Jalapeño配备 6 组 HBM4 内存，总容量 216GB，带宽达到 15.4TB/s。芯片采用台积电 N3P 工艺，标称功耗 700 瓦。OpenAI 称，在本次测试负载中，它的持续功耗始终没有超过 550 瓦。
作为对照，英伟达 GB300 配备 288GBHBM3E，标称功耗 1400 瓦。
需要说明的是，OpenAI 这次计算每瓦性能时，采用的是双方公开的芯片封装功耗，而不是在同一实验室测得的实际用电量。因此，700 瓦和 1400 瓦不能直接理解成"只花一半电费"，但可以作为统一的功耗归一化口径。
OpenAI 反复强调"每瓦"，是因为电力正在成为 AI 扩张最难增加的资源之一。数据中心能接入多少电，受电网、散热和备用电源等条件限制。增加芯片相对容易，增加可用电力却可能需要数年。
黄仁勋今年在 Computex 2026 上说过一句话："如果你有一吉瓦电力，那么每瓦的吞吐量，就是收入。"
在电力封顶的情况下，谁能用相同功率生成更多 token，谁就能在同一座数据中心里服务更多用户。所以 OpenAI 把每瓦性能放在第一位。
还有一层更直接的理由：成本。
OpenAI 每年要把大量资金花在推理算力上。如果自研芯片能够降低总拥有成本，它就可能改善推理业务的毛利。但最终能省多少，还要看芯片设计、良率、HBM 和封装、网络、部署到长期运维这整条账。
很多自研芯片计划最困难的地方，也不只是把硬件造出来。每增加一种模型、算子和运行方式，软件栈都要继续适配和优化。GPU 昂贵，但 CUDA 替客户承担了其中很大一部分工程成本。
Jalapeño接下来还要证明，这笔长期的软件账能不能降下来。
三、为什么它能同时做到快和省电
这和 Jalapeño的设计起点有关。
通用加速器需要兼顾训练、推理以及不同类型的计算任务。Jalapeño从一开始围绕语言模型推理设计，尤其关注需要连续执行多个步骤的智能体负载。
语言模型推理大致分成两个阶段。预填充阶段需要处理整段输入，计算更密集；进入解码阶段后，模型逐个生成 token，瓶颈更多来自内存带宽。数据还要在芯片之间搬运，传输过程中，一部分计算单元只能等待。
Jalapeño的做法是把模型状态（包括生成时使用的 KV 缓存）尽量放在离计算更近的位置，减少搬运。网络也被算进整体架构里，让任务尽量在一个相互连接的系统内跑完。
它不是只针对某一个模型定制的芯片。OpenAI 希望它能够覆盖不同规模、不同架构的推理负载，并在预填充和解码之间灵活分配计算、内存和网络资源。
SemiAnalysis 创始人兼首席分析师迪伦·帕特尔（Dylan Patel）受邀前往 OpenAI 实验室查看芯片，并参与验证 InferenceX 的部分运行。他在报告中的评价很高：第一代自研芯片通常没有竞争力，但 Jalapeño在他们目前能够测试的产品中，已经超过多款英伟达、AMD 和谷歌芯片。
四、AI 参与芯片，也在动摇 CUDA 的一部分护城河
Jalapeño的诞生速度，可能比它的运行速度更值得注意。
从设计到流片，只用了九个月；从团队组建算起，前后大约十六个月。对一支从零开始的芯片团队来说，这是很快的节奏。
AI 在其中起了直接作用。OpenAI 使用自己的模型探索实现方案、缩短验证循环，并帮助优化芯片中的算术电路。反过来，这颗芯片也被设计成更容易让 AI 参与编程的样子。
工程师使用 OpenAI 自研的编程语言 Gluon 编写内核。一段内核代码可能长达数千行，需要不断针对芯片结构手工调优。后来，OpenAI 让内部 Codex 配合 GPT-Astra 参与这项工作。两个月内，团队把三个原本不在生产计划中的开放权重模型适配到了 Jalapeño上。
在部分 GPT-OSS 注意力模块和混合专家模块中，AI 生成的实现比原有的人类专家版本快 1.5 至 1.8 倍。OpenAI 特意说明，这个数字只适用于选定模块，不能外推到整个模型。
这些数据仍然有限，但它指向了 Jalapeño最反常识的地方：AI 已经开始参与芯片本身的设计、验证和软件优化，而不只是被服务的对象。
这件事对 CUDA 的意义比对性能的意义更大。
过去，ASIC 可以围绕特定负载获得漂亮的性能，但每增加一个新模型，团队都要重新编写内核、适配算子、维护编译器和调试工具。GPU 贵，CUDA 的价值恰恰在于把这些成本分摊给了一个庞大的开发者和软件生态。
Jalapeño展示了另一条路径：OpenAI 不必先复制一整套 CUDA 生态，而是让 AI 参与编写和优化底层代码，降低新模型进入自研芯片的适配成本。
如果这种方法能够稳定扩展，CUDA 面对的未必是另一个 CUDA。过去需要大量工程师和多年生态积累解决的一部分适配工作，未来可能由模型自动生成、测试和优化代码来完成。
但现在还不能把这写成 CUDA 护城河已经失效。Jalapeño主要服务 OpenAI 自己的模型和负载，外部开发者还不能像使用 CUDA 一样，在这套平台上自由部署和维护应用。它说明 OpenAI 能在内部降低对 CUDA 的依赖，但还没说明 OpenAI 建起了一套面向市场的替代生态。
五、和英伟达的关系还没有翻篇
这组数据出来后，最微妙的仍然是 OpenAI 与英伟达的关系。
8 月 17 日，英伟达刚刚宣布为 SB Energy 在俄亥俄州建设 PORTS-Pike 园区提供信用支持。据《金融时报》等媒体报道，相关支持上限可能达到 1050 亿美元。
但这不是英伟达直接向 OpenAI 发放贷款。SB Energy 负责建设和运营园区，OpenAI 签下 20 年租约；英伟达支持的是土地、电力、建筑以及部分剩余价值安排。作为交换，这座园区将独家采用英伟达计算平台。
一边是 OpenAI 继续依靠英伟达扩张算力，另一边是 OpenAI 拿出自己的推理芯片。两件事并不矛盾。
理查德·何对彭博社说："英伟达是非常好的合作伙伴，我们仍然需要大量的英伟达。"
Jalapeño只做推理，不覆盖训练。OpenAI 也明确表示，未来还会大量用英伟达和其他厂商的加速器，训练和推理都用。
Jalapeño使用的 HBM4，是目前半导体行业最紧缺的零部件之一。OpenAI 与博通去年 10 月公布了一项 10GW 多代自研加速器合作计划，目标从 2026 年下半年开始部署，到 2029 年底完成。如果按计划扩大，OpenAI 将成为 HBM4 市场上的重要买家。这里需要保留边界：10GW 对应的是多代加速器和长期部署计划，不能全部换算成当前这一代 Jalapeño的产量。
六、还有两个前提要放在一起看
除了第一节已经交代的 Rubin 对比和数据来源，还有两个前提。
测试使用的三个模型规模不小，却不是各家最新的开放模型。更新、更复杂的模型在 Jalapeño上的适配速度和实际表现，还需要继续观察。
不同系统采用的推理优化方式也不完全一致。Jalapeño此次使用单 token 预测，英伟达部分公开生产数据则使用多 token 预测等优化。SemiAnalysis 认为，如果统一配置，领先幅度可能发生变化；反过来，Jalapeño未来加入类似优化后，也可能继续提高性能。
把四个前提放在一起：OpenAI 确实造出了一颗能运行、第一代就进入竞争区间的推理芯片；但它还没有证明，这颗芯片能够在量产、真实生产负载和更广泛模型上持续保住优势。
七、下一颗芯片，可能比这一颗更重要
OpenAI 造这颗芯片的速度，可能比今天的性能排名更值得琢磨。
2024 年年中立项，2025 年 11 月流片，2026 年 8 月交出第一组实测数据。前后不到两年。
萨姆·奥特曼（Sam Altman）在X上只发了一句话："我们造了一颗芯片，它很快。"
但 OpenAI 想加速的，可能不只是这一颗芯片。
第一代 Jalapeño的设计过程中，AI 已经参与探索电路和缩短验证周期；芯片回来后，Codex 又开始为它编写内核、适配新模型。这些软件、测试和运行经验会继续进入第二代设计，而更快的芯片又能运行更强的模型。
模型帮助设计芯片，芯片让模型运行得更快，更快的模型再去参与下一代芯片的设计与编程。
如果这套循环能够跑起来，OpenAI 和传统芯片公司比的就不再是某一代产品的参数，而是谁能更快跑完一轮迭代。这和英伟达"芯片—CUDA—开发者—更多芯片"的正反馈是两种不同的机制：前者靠模型能力递增，后者靠生态锁定。
Jalapeño第一代甚至还没有正式进入 OpenAI 的数据中心，第二代已经深入开发，第三代已经开始规划。
英伟达需要观察的，不只是今天这张性能图，还有 OpenAI 多久会交出下一张。
