OpenAI自己造芯片了，第一刀砍向英伟达！！！

关注飞总聊IT，了解IT行业的方方面面。 8月25日，斯坦福，Hot Chips 2026大会第二天。 OpenAI上台，第一次完整公开了自己那颗芯片的技术细节。 名字叫Jalapeño，墨西哥辣椒。跟博通联合开发。 然后它甩出了一组数据。 同样跑SemiAnalysis的公开基准InferenceX，测试模型是GPT-OSS 120B、DeepSeek R1 670B和Kimi K2.5 1T： 每千瓦吞吐量，是对比系统的1.5到1.9倍。端到端延迟，低1.7到3.6倍。高交互负载下，性能高出2.1到4.1倍。 对比的是谁？英伟达的GB200和GB300。 SemiAnalysis自己的原话是：它击败了我们能测到的所有英伟达、AMD和谷歌的芯片。 最扎眼的是功耗那组数字。 Jalapeño额定700瓦，实测在被测负载上持续功耗保持在550瓦或以下。 GB300额定1400瓦。 一半的电，跑出了更多的活。 再看内存：Jalapeño单封装配6个HBM4堆栈，216GiB，带宽15.4 TB/s。GB300是288GB的HBM3E。 按每瓦额定功率折算，OpenAI这颗芯片的内存密度高出大约50%。 在数据中心电力已经成为硬约束的今天，这个对比比"快多少倍"更有杀伤力。 开发速度也很吓人。 RTL冻结到流片，大约九个月。从组建团队到流片，约16个月。 在ASIC这个行业里，这个节奏属于不正常的快。 时间线是这样的：2024年底架构概念成型，2025年RTL冻结，2025年底流片，2026年初Codex跑起来，之后ChatGPT也上了这颗芯片。 而且设计过程中，OpenAI用自己的模型辅助了设计。 一颗AI参与设计的、专门给AI用的芯片。 这句话本身，比任何性能数字都更能说明这个行业现在在往哪走。 但先别急着给英伟达写墓志铭。 有三个前提，不说清楚就是耍流氓。 第一，它不训练模型。 Jalapeño是纯推理芯片。训练这块，英伟达的地位到今天没有被真正挑战过。 第二，它比的是上一代。 测试里没有Vera Rubin——那才是同样用HBM4、而且现在正在出货的英伟达平台。 更微妙的是：OpenAI自己已经承诺，2026年下半年要部署第一个吉瓦级的Vera Rubin系统。 也就是说，它拿自己的新芯片，去打了自己即将大规模采购的那个平台的上一代。 SemiAnalysis自己都承认，跟Blackwell比不太完整，也不太公平。 第三，测试方法有个细节。 主要对比，是Jalapeño的单token预测，对上GB300同样做单token预测的配置。 但英伟达在实际生产部署中，通常用的是多token预测。 同一个基准，不同的用法，结果会不一样。 还有一个更现实的问题：量。 Richard Ho说得很老实——2026年底才开始极小批量出货，2027年才有更有意义的部署。 而他自己也补了一句：等Jalapeño真正规模化的时候，竞争格局可能已经变了。 这句话可以理解成谦虚，也可以理解成提前打预防针。 因为按英伟达的节奏，2027年桌上摆的已经不是Blackwell了。做芯片最难的从来不是流片，是量产、良率、供应链和软件生态。 前三件事需要时间，最后一件事需要几年。 CUDA的护城河，不会因为一次基准测试就消失。 那这件事到底有多重要？ Yole Group的分析师Adrien Sanchez对CNBC的评价，我觉得是最准的： 这证明了超大规模厂商自研的芯片，现在能在推理效率上匹敌甚至击败英伟达Blackwell级别的GPU。英伟达依然掌握绝大多数AI算力和CUDA的生态锁定，但这颗芯片，是对英伟达推理业务毛利率的威胁——而推理，恰恰是当下增长最快的那块。 关键词是毛利率，不是市场份额。 OpenAI不需要取代英伟达。它只需要把自己那部分推理负载搬走一块，就足以在谈判桌上换来更好的价格。 而当亚马逊、谷歌、Meta、微软都在做同样的事——每家都搬走一块——英伟达70%以上的毛利率还能不能维持，就成了一个真问题。 顺带说一句时间点。 这颗芯片公开的第二天，英伟达就要发财报。 而就在三天前，彭博刚爆出英伟达因为内存涨价，要给客户涨15%以上。 一边是成本压不住，一边是最大的客户自己造芯片了。 这两条消息挤在同一周出现，很难说是巧合。 最后说说OpenAI自己的野心。 它说第二代芯片已经在深度开发中，第三代也开始成形。 它想把Jalapeño做成一个多代际平台，让模型、芯片和内存一起设计，而不是事后拼装。 这句话才是真正的重点。 OpenAI要的不是一颗好芯片，是把整条栈攥在自己手里。 模型是自己的，芯片是自己的，内存配置是围着模型设计的，机架是为推理特性调的。 这是苹果走过的路——用十年时间，把芯片、系统、软件拧成一个整体，最后拿到别人给不了的效率。