OpenAI自研芯片Jalapeño实测数据曝光：9个月流片，每瓦性能超越英伟达？

**【核心结论】OpenAI首颗自研推理芯片Jalapeño在每瓦性能指标上跑出了超越英伟达GB300的成绩，AI芯片的兤断格局第一次出现了实质性裂痕。**


2026年8月，彭博社披露了一个让半导体行业震动的消息：OpenAI与博通（Broadcom）合作开发的首颗自研芯片Jalapeño，在单位功耗可处理的AI工作量和响应速度两项关键指标上，均领先英伟达GB300。这颗芯片专为AI推理阶段设计，最快将在2026年晚些时候投入实际使用。


**实测数据到底有多夸张？**


半导体研究机构SemiAnalysis的研究人员亲赴OpenAI实验室，使用其自研基准测试套件InferenceX对Jalapeño进行了实测。结果如下：


在GPT-OSS 120B模型上，Jalapeño每秒可输出约1459个Token，而英伟达GB200仅为535个，前者约为后者的2.7倍。


端到端延迟方面，Jalapeño完成一个任务仅需1.65秒，GB300则需要接近6秒，差距达3.6倍。在高交互场景下，当GB300被推至其最快解码速度（每秒169个Token）时，Jalapeño的吞吐量达到它的104.3倍。


更关键的是能效指标。在每兆瓦每秒输出Token数这一衡量数据中心能效的核心维度上，Jalapeño在GPT-OSS模型上达到约5300万个Token/MW/s，而GB200 NVL72仅约1000万——**这意味着同样一度电，Jalapeño能产出的AI结果大约是GB200平台的5倍以上。**


**9个月流片，速度本身就是武器**


据SemiAnalysis披露，Jalapeño从设计启动到完成流片仅历时约16个月，其中关键的CoWoS封装流片节点完成于2025年11月，距今不过9个月，远低于行业惯常的18至36个月周期。


OpenAI芯片负责人Richard Ho表示，Jalapeño在700瓦低功耗下即可实现强劲性能，有助于大幅降低数据中心电力成本。从系统级成本看，SemiAnalysis将供电、散热、网络全部纳入计算后得出：Jalapeño每芯片每小时总拥有成本约为1.56美元，与H100的1.55美元几乎持平，而英伟达Vera Rubin高达3.61美元。


**需要泼的冷水：数据背后有三个保留意见**


第一，这是"自己出题、自己考试"。InferenceX是OpenAI自研的基准测试套件，虽然SemiAnalysis进行了独立实测，但测试环境和模型选择仍有解释空间。


第二，Jalapeño是专用推理芯片，不能训练超大模型。它能替代的是英伟达推理场景的收入，而非其训练市场的绝对统治地位。多数分析师估计，英伟达仍掌控着90%以上的GPU市场份额。


第三，Jalapeño尚未启用投机解码、未做预填充与解码分离部署等优化手段——这句话换个角度理解就是：**它的所有竞争对手都开启了最优配置，而它没有。**这既说明潜力大，也说明目前看到的只是半成品状态。


**这对行业意味着什么？**


首先，推理芯片的竞争格局正在被重新定义。过去英伟达的护城河是CUDA生态，但当模型厂商开始自己定义芯片架构，生态的绑定力会被削弱——毕竟OpenAI可以要求博通按自己的需求做定制。


其次，对中国的云厂商和芯片公司来说，这是一条明确的信号：**专用推理芯片的窗口期是真实存在的。**阶跃星辰、阿里、华为都在往这个方向走，而Jalapeño证明了这个赛道的技术可行性。


第三，对普通用户来说，芯片竞争的最终受益者是钱包。推理成本每下降一个量级，AI应用的定价空间就打开一层。过去两年AI推理成本已经下降超过95%，而这个下降趋势还没有结束。


**总结：**Jalapeño尚未大规模部署，现在就宣告"英伟达被超越"为时过早。但它至少证明了一件事——在AI推理这个高速增长的细分市场里，没有谁是绝对不可替代的。