OpenAI「掀桌」：自研芯片 Jalapeño 跑赢英伟达，9 个月造出 3nm 推理怪兽
你有没有想过：有一天，搞大模型的公司，会自己造芯片，还跑赢了英伟达？
不是跑赢一款。是跑赢了 GB200 和 GB300 两个旗舰系统。
2026 年 8 月 25 日，OpenAI 在 Hot Chips 大会上，首次公布了自研推理芯片 Jalapeño 的基准测试结果。
数据炸了。
一、性能数据，到底有多炸？
先看几个核心数字。
在 GPT-OSS 120B、DeepSeek R1 670B 和 Kimi K2.5 1T 三个公开模型上，Jalapeño 峰值每瓦 AI 工作量比对比系统高出 1.5 到 1.9 倍。
端到端延迟降低了 1.7 到 3.6 倍。
对于交互式 Agent 任务，性能优势进一步扩大到 2.1 到 4.1 倍。
最夸张的对比来了：在 DeepSeek R1 上，匹配 GB300 此前最快解码速度时，Jalapeño 每千瓦吞吐量达到 12,258 mixed TPS/kW。
GB300 是多少？118。
相差 104.3 倍。
你没看错。不是一个量级。
而且，这些成绩是在 Jalapeño 没有使用多 token 预测（MTP）和推测解码等软件优化的情况下拿到的。对比系统反而依赖了这些优化。
SemiAnalysis 在实测后评价："击败了我们测试过的每一颗 Nvidia、AMD 和 Google 芯片。"
二、这颗芯片，不是为训练而生，是为"回答"而生
咱们先搞清楚一件事：Jalapeño 不是训练芯片。
它不训练 GPT-6，不跑预训练，不搞大模型底座。
它只做一件事：推理。
你发一条消息给 ChatGPT，系统调模型生成回复——这个过程，就是推理。
训练是"学会能力"，推理是"快速回答"。
现有系统在这两个维度上一直有取舍：提高吞吐量，延迟就上去了；追求低延迟，资源利用率就掉下来了。
Jalapeño 的目标，是用一套架构同时拿下两者。
它做到了吗？
OpenAI 硬件负责人 Richard Ho 的话很直接："非常、非常显著的性能进步。"
这背后是芯片、内存、网络、软件和机架级系统的协同设计。KV Cache 等模型状态被明确放置并尽可能留在本地，让 Jalapeño 同时适应 Prefill 和 Decode 两个阶段，并随工作负载变化动态调整。
说人话就是：不是堆硬件，是重新设计了一整套架构。
三、9 个月，从设计到流片，AI 自己参与了造芯片
这颗芯片最让人震惊的，不只是性能。
是速度。
从初始设计到流片，只用了 9 个月。
一颗 3nm 制程、700W TDP、6 个 HBM4 堆栈、216GiB 内存、15.4TB/s 带宽的芯片，从零到流片，9 个月。
你知道行业平均周期是多久吗？18 到 24 个月。
OpenAI 怎么做到的？
AI 参与了芯片设计。
不同阶段的模型被用来探索不同实现方案，缩短设计、测量和验证周期。模型还参与优化了芯片的算术电路。
更绝的是，用 GPT-Astra 驱动的 Codex，团队只用了 2 个月，就让三款原本不在生产计划中的开放权重模型在 Jalapeño 上实现了高性能运行。
在部分 GPT-OSS Attention 和 MoE 模块中，Codex 生成的实现甚至比人类专家手写版本快 1.5 到 1.8 倍。
这个细节太值得琢磨了。
AI 造芯片，芯片跑 AI，AI 再用芯片造更好的芯片。
循环开始了。
四、英伟达怕不怕？
OpenAI 嘴上说得很客气。
"英伟达是非常好的合作伙伴，我们继续需要大量英伟达芯片。"
但身体很诚实。
Jalapeño 计划 2026 年底小规模上线，2027 年显著扩大部署，大部分产出在第四季度。一个完整计算集群（pod）由 16 个机架共 2048 颗芯片组成，下一代部署目标约 100 兆瓦。
这跟 OpenAI 和 Broadcom 去年 10 月签的 10GW 合作协议完美吻合。
二代芯片已经深入开发，数月内流片。三代概念设计在进行中。B0 版本已在制造，预计每瓦性能再提升 25%。
不过，Jalapeño 对英伟达的威胁，不在训练市场。
训练领域，英伟达的地位仍然无可撼动。
真正的麻烦在 HBM4 供应。
三星、SK 海力士和美光的 HBM 产能已预订到 2027 年，供应紧张到传闻英伟达正在测试精简版 Rubin Ultra。如果 OpenAI 按 10GW 协议大规模铺开 Jalapeño，它将成为 HBM4 市场的重量级新买家，直接跟英伟达抢产能。
你看，谁说竞争只有一种维度？
芯片大战，已经打到内存供应链上了。
结尾
OpenAI 自研芯片这件事，真正值得关注的不是它"跑赢了英伟达"。
而是它证明了一件事：AI 公司可以自己定义硬件，而且能做得比通用方案更好。
不是英伟达不行了。是 AI 推理这个场景，已经大到需要专门为它设计硬件了。
Google 有 TPU，Amazon 有 Trainium 和 Inferentia，Microsoft 有 Maia，Meta 也在布局自研加速器。
现在 OpenAI 来了，带着一颗 9 个月造出来的、打爆所有竞品的芯片。
到 2027 年，当 Jalapeño 大规模铺开，当二代三代陆续问世，AI 推理的成本结构将彻底改写。
到那时，你还觉得"模型免费"是天方夜谭吗？
来源：机器之心 / 36氪 / 电子工程专辑 日期：2026年8月26日