🖼️ 图文卡片 🏠 返回首页
前沿科技洞见 · 2026-08-26

## 发生了什么

正在发生的事很多，这件帮你看过了

发生了什么

OpenAI 在 2026 年 8 月 25 日公布首款自研推理芯片 Jalapeño 的首批测试结果。在 InferenceX 基准上，Jalapeño 跑了 GPT-OSS 120B、DeepSeek R1、Kimi K2.5 1T 三个模型：峰值吞吐下每瓦 AI 工作量比对比系统高 1.5–1.9 倍，端到端延迟低 1.7–3.6 倍；高交互负载下领先幅度扩大到 2.1–4.1 倍。芯片额定功耗 700 瓦，测试负载中实际维持在 550 瓦以下。 Jalapeño 是 OpenAI 与博通合作、约 16 个月做出的推理专用 ASIC，第一次把 OpenAI 主张的“模型—服务软件—芯片—内存—网络”全栈协同落到一颗可实测芯片上，并证明能同时拿到高吞吐和低延迟。

从成本焦虑到一颗可测芯片

2023–2024 年，OpenAI 的收入高度依赖推理，推理账单与用户增速绑死，外部芯片的定价、供应和功耗决定毛利结构。这一阶段的核心诉求不是造一颗比英伟达更快的芯片，而是给自己的推理负载找到不被单一供应商定价的成本曲线。 2024–2025 年，OpenAI 组建硬件团队，芯片负责人 Richard Ho 领衔，设计交给博通，2025 年官宣合作。实质是 OpenAI 定义工作负载和架构需求，博通负责把需求变成硅。 2025–2026 年，Jalapeño 从立项到出结果约 16 个月。2026 年 6 月 OpenAI 与博通强调“创纪录的开发速度”；OpenAI 博客也点明，研发过程借用了自己的模型来加速。 2026 年 8 月 25 日，首批实测给出可核验量：每瓦吞吐 1.5–1.9 倍、端到端延迟降低 1.7–3.6 倍。 后续计划是 2026 年内开始部署；第二代芯片已进入较成熟阶段，预计“未来几个月”流片；第三代已启动概念设计。

在竞争版图中的位置

这次测试的对比系统里排名最高的是英伟达 GB300。Jalapeño 在单位功耗 AI 工作量和响应速度两项指标上领先，但测试没有纳入英伟达刚出货的 Vera Rubin；Jalapeño 是推理专用芯片，训练环节仍高度依赖英伟达。芯片负责人 Richard Ho 表示，OpenAI 算力需求太大，短期内仍与多家供应商合作，英伟达仍是重要合作伙伴。 谷歌 TPU 走得最久，但谷歌同时是芯片方和云厂商；亚马逊有 Trainium/Inferentia，微软有 Maia，Meta 有 MTIA，这些芯片属于云或平台层。Jalapeño 属于一家前沿模型实验室自己的推理负载。同一赛道上的对手是 Anthropic：近三天内业界报道其组建自研芯片团队、谷歌 TPU 创始人 Amir Salek 加盟。Anthropic 还在招人搭团队，OpenAI 已经拿出可测的硅。 Jalapeño 能处理 GPT-OSS 120B、DeepSeek R1、Kimi K2.5 1T 量级模型，补上大模型、高吞吐、低延迟的空档；Cerebras 晶圆级芯片更适合较小模型。推理芯片市场正在分层：通用 GPU、定制 ASIC、晶圆级/存算等异架构各自吃不同负载段。 三块试金石里有两块是中国开放权重模型 DeepSeek R1 和 Kimi K2.5 1T，说明开放权重模型已成为全球芯片评测的公共基准，也说明 OpenAI 把服务第三方模型家族纳入兼容性目标。同日 Harvey 发布基于 Kimi K3 的法律模型。 集邦咨询数据显示，2026 年全球九大云厂商资本开支合计将突破 8867 亿美元，同比增幅接近 90%，几乎全部投向 AI 基础设施。Dylan Patel 判断，OpenAI 和 Anthropic 能拿到最多可用算力，是因为能把算力更快货币化；Jalapeño 把货币化能力从软件层下沉到硅层。

能得出的判断

这件事的意义不是“OpenAI 打败英伟达”，而是前沿实验室第一次拥有可测量的第一方推理路径。OpenAI 未来在推理定价、负载调度和采购谈判上多了一个内部锚点：不再只能用供应商报价定义推理成本，而是可以用自己的硅能跑出什么成本来定义。 它不会撼动英伟达的训练地位，但会改变推理市场的议价结构。训练、CUDA 生态和高阶互联仍是英伟达的护城河；但当 OpenAI、Anthropic、谷歌、亚马逊、微软都有一块自己的推理硅，英伟达在推理侧的“最大客户”会逐步变成“最强竞争对手”。 行业结构正在三极分化：英伟达的通用 GPU、博通/Marvell 承接的定制 ASIC、Cerebras/Groq 等异架构。到 2027 年，第一方推理芯片很可能从前沿实验室的实验项目变成 P&L 里的标准科目，Jalapeño 是第一份被公开测量的样本。

边界与未知

这次对比由 OpenAI 自己主持，未纳入 Vera Rubin；700 瓦额定、550 瓦实测的功耗口径需要看部署后的真实工况；高交互负载下 2.1–4.1 倍的收益取决于 OpenAI 自己的服务软件怎么调度。真正的验收节点是 2026 年内规模化部署后的实际价格、可用性和工作负载混合，以及二代芯片“未来几个月”流片能否兑现。

对中国供应链的含义

OpenAI 拿 DeepSeek R1 和 Kimi K2.5 1T 当评测基准，本身是对开放权重模型能力的背书；同一天 DeepSeek 上线实验性视觉模型、Harvey 发布基于 Kimi K3 的法律模型，强化同一条线：模型层开源化与芯片层自研化并行推进，谁在服务软件、调度、缓存、定价这些中间层做得更实，谁就能把两端能力兑现成成本优势。Jalapeño 的每瓦吞吐数字，最终会通过 API 价格传导到每个开发者的账单上。

信息来源

内容由AI辅助生成，请谨慎甄别。资讯分享仅供参考，相关观点不代表主观立场，不构成任何形式的投资建议。

🏠 返回首页 📰 更多前沿科技洞察，查看今日日报
图文卡片 ⬇️ 一键下载图文卡片