一台 700 瓦的芯片，打赢了一台 1400 瓦的芯片。
8 月 25 日，OpenAI 在 Hot Chips 2026 大会上公布了自研推理芯片 Jalapeño 的首批实测数据：在 SemiAnalysis InferenceX 基准下，Jalapeño 每千瓦的 token 吞吐量达到英伟达 Blackwell GB300 的 1.5 至 1.9 倍，端到端延迟低 1.7 至 3.6 倍。功耗只有对手的一半，产出却更高。这个结果的重量，不在于数字本身，在于它说明了一件事：AI 算力竞争的胜负标准，已经从「谁算得快」悄悄换成了「谁用更少的电产更多 token」。
图：Jalapeño 芯片官方主视觉。来源：OpenAI
16 个月完成别人三年的工作
Jalapeño 是 OpenAI 与博通（Broadcom）联合设计的专用推理 ASIC（专用集成电路），采用台积电 3nm 工艺，搭载 HBM4（第四代高带宽内存），热设计功耗（TDP）约 700W。这颗芯片从 2024 年中启动设计，到 2026 年 6 月官宣、8 月公布实测结果，全程约 16 个月。行业惯例是：一代 ASIC 从零到流片，三年起步。
SemiAnalysis 将这个速度称为「AI 加速芯片设计」真实生效的证据，意思是：AI 工具已经把芯片设计流程本身压缩了。16 个月的时间表放在半导体行业，属于异常值。OpenAI 在现场甚至演示了用 Codex 提示词把《毁灭战士》移植到这颗芯片上运行——这说明 Jalapeño 是通用推理芯片，认的是推理工作负载，吃任何模型权重，并非只服务自家产品。
为什么能效比绝对性能更重要
要理解 Jalapeño 的成绩为什么重要，先要理解现在数据中心缺的是什么。
黄仁勋在 Computex 2026 上说过一句话：「如果你有 1 吉瓦电力，每瓦吞吐就是你的收入。」SemiAnalysis 的判断更直接：「今天的数据中心是电力受限的。」电网接入审批排队时间，远超硬件建设周期。xAI 为了给 Colossus 2 集群供电，被迫自建燃气轮机——这件事本身就说明了问题的严重程度。钱可以砸，电网不是想接就接。
在这个背景下，每瓦电产出多少 token，就是每一度电换来多少收入。 Jalapeño 用一半功耗实现 1.5 至 1.9 倍吞吐，折算成同功耗下的对比，差距会更大。这解释了为什么 OpenAI 选择将这个指标作为核心战场——这是它在现实约束下能赢的那场仗。
成绩的含金量与保留意见
图：InferenceX 基准下各芯片每兆瓦 token 吞吐对比，Jalapeño 全面领先。来源：SemiAnalysis / OpenAI
实测数字亮眼，但 SemiAnalysis 给出了三条保留意见，读懂它们和读懂数字本身同样重要。
第一，所有数字由 OpenAI 自行提供。SemiAnalysis 团队亲赴实验室，确认了 InferenceX 基准在真实硬件上运行，但没有独立跑完整套测试。第二，更公平的对比对象应该是英伟达 Vera Rubin（同样使用 HBM4），而非 Blackwell GB300——Rubin 已开始出货，Jalapeño 此时还只有工程样片。第三，测试使用的模型不是当前最大规模的前沿模型，适用范围有边界。
还有一个细节值得单独拎出来：Jalapeño 的这些成绩，全部用「单 token 预测」（STP）模式跑出来，没有启用投机解码，没有做 prefill-decode 分离。而图上所有对手芯片，都已经打开了各家最优配置加上「多 token 预测」（MTP）的加成。英伟达 Vera Rubin 在 7 月公布的 MTP 成绩，也被 Jalapeño 的 STP 吞吐超过。这意味着 Jalapeño 还有牌没打出来。
英伟达护城河第一次被客户从内部凿穿
OpenAI 过去是英伟达最大的客户之一。现在它造出了一款在能效维度打赢英伟达旗舰的芯片，并且公开展示了对比数据。
这件事的结构意义比技术意义更大。芯片行业历来是资本和时间的壁垒——三年周期、数十亿美元投入、良率风险。这些壁垒组合在一起，构成了英伟达护城河的基础：客户买不起自研，就只能买英伟达。Jalapeño 16 个月完成流片，打破了「三年周期」这道壁垒。OpenAI 证明了，在 AI 工具辅助下，这道护城河可以用更短的时间穿越。微软 Maia、Google TPU、亚马逊 Trainium 都在做类似的事，但它们都没有 OpenAI 这次来得这么正面、这么公开。
模型厂商自研芯片，原本是为了摆脱对英伟达的依赖、降低成本。Jalapeño 的数据说明，这件事已经不只是成本控制——它在能效这个新战场上已经可以正面竞争。
DeepSeek R1 在 Jalapeño 上跑出了单并发 700+ tokens/s/user，Kimi-K2.5 和 GPT-OSS 达到约 1400 tok/s/user，GSM8k 精度与英伟达芯片持平。这些都是在工程样片阶段的数字，量产后通常还有优化空间。
游戏规则变了
Jalapeño 还不是一款量产产品。它是工程样片，对比对象的选取存在争议，数字由 OpenAI 自己提供。这些保留意见都成立。
但它已经充分说明了一件事：AI 算力的竞争维度已经发生了实质性迁移。从「谁的 FLOPs 更多」转向「谁用更少的电产更多 token」——这个迁移是由数据中心的物理约束决定的，不是由营销决定的。英伟达过去在这个新维度上没有对手，Jalapeño 的出现意味着它第一次有了来自客户侧的正面挑战者。下一个问题是：当 OpenAI 的芯片进入量产、其他大模型公司跟进时，英伟达的定价权会不会随着这个维度的竞争而收窄？
参考链接：
- SemiAnalysis: OpenAI Jalapeño - Better Than Nvidia Blackwell
- OpenAI 官方博客: Jalapeño’s first results show industry-leading performance
- Tom’s Hardware: OpenAI’s 700W Jalapeño ASIC outpaces 1,400W Nvidia flagship
- TechCrunch: OpenAI’s Jalapeño chip is built for fast inference at scale
- HN 讨论 (item?id=49434378)
