你敢信，OpenAI第一次做芯片，竟然把英偉達全系幹趴下了？！

就在啱啱，OpenAI首顆自研芯片Jalapeño「墨西哥辣椒」，交出了首批實測成績單——

AI推理性能，全面反超英偉達GB200和GB300。

實測速度直接起飛！

Jalapeño一秒能狂吐1459個Token，英偉達GB200只有535個，連一半都不到。

「辣椒」跑完一個任務只要1.65秒，GB300卻得花將近6秒，整整3.6倍的差距。

最狠的是，哪怕把GB300逼到它自己最快的解碼速度，Jalapeño的吞吐也依然是它的104.3倍。

而Jalapeño的標稱功耗只有700W，GB300是1400W，整整一半。

著名半導體分析師Dylan Patel更是直接放出狠話，「被掀翻的不只是Blackwell，就連英偉達Rubin芯片也被超越了」！

一時間，整個AI圈都炸了。網友們紛紛驚歎，OpenAI簡直殺瘋，英偉達也被擊敗了。

奧特曼的表態則是霸氣又剋制，「我們造了一顆芯片，快得離譜」！

01

一顆「辣椒」，幹翻了英偉達旗艦

這可不是OpenAI自說自話。

SemiAnalysis鑽進實驗室實測了一趟，寫下的結論是——

Jalapeño把他們此前測過的每一顆英偉達、AMD、谷歌的芯片，全乾趴下了。

差距有多大？英偉達最新那顆Vera Rubin喫掉的電，夠喂將近三顆Jalapeño。

測試中，OpenAI挑了三個公開模型來跑：GPT-OSS 120B，還有一款670B和1T的模型。

這一輪測試，覆蓋了從中型到萬億參數的MoE架構。整體結果如下：

每瓦特AI工作負載提升1.5–1.9倍

端到端延遲降低1.7–3.6倍

在高度交互式工作負載上，性能提升2.1–4.1倍

前面提及的1459個Token/s，是在GPT-OSS 120B上測的。

換算成出詞間隔，兩個Token之間只隔0.69毫秒。

人正常朗讀一秒鐘大概吐五六個字，而它一秒甩出1459個，眼睛跟不上，螢幕也刷不過來。

綠色是Jalapeño，藍色是現有最強。三個模型上分別快2.7倍、4.1倍和3.8倍

1.65秒對5.99秒的那四秒差距，放在聊天裏還能忍，放到Agent身上就是另一回事，因為一個任務要連着走幾十步，差值是要乘上去的。

然後說那個全網都在轉的104.3倍。

它的準確意思是，把GB300推到自己最快的解碼速度，也就是每秒169個Token，在那一個點上，Jalapeño的吞吐是它的104.3倍。

三個模型上都是這個走勢，GPT-OSS到53.7倍，1T模型到56.1倍。

同一個模型，隨着要求的出詞速度往上抬，領先幅度從1.7倍一路漲到104.3倍

換句話說，對手跑到極限開始喘的地方，正是它還在從容巡航的地方。

如果按各自最好的工作點算峯值，差距會溫和很多，三個模型上分別是1.9倍、1.7倍和1.5倍。

真正拉開距離的是高交互場景

左圖橫軸是出詞速度，右圖橫軸是完整請求的延遲。綠色的Jalapeño在整條曲線上都壓着藍色的GB200

SemiAnalysis這邊，則是把供電、散熱、網絡全算進去，然後再攤到每顆芯片頭上。

結果，Jalapeño每顆1.125千瓦，GB200是1.87千瓦，而Vera Rubin是3.3千瓦。

在這個口徑下跑GPT-OSS，Jalapeño每兆瓦每秒吐出約5300萬個Token，GB200 NVL72只有約1000萬。

紫色那條一騎絕塵的就是Jalapeño，橫軸是交互速度，縱軸是每兆瓦每秒吐出的Token數

成本方面，每芯片每小時的總擁有成本，Jalapeño是1.56美元，跟H100的1.55美元幾乎一樣，而Vera Rubin是3.61美元。

綠色是Vera Rubin，紫色是Jalapeño。過了每秒200個Token，紫色一路走到綠色夠不到的地方

最要命的是，這些成績還不是Jalapeño的全部實力。

它連投機解碼和Token預測都沒開，也沒做prefill和decode的分離部署，而圖上其他每顆芯片跑的都是各自最優配置，該開的優化一個不落。

SemiAnalysis估算，光投機解碼這一項就能把每Token成本再壓掉2/3以上。

一顆Jalapeño，還能跑起「毀滅戰士」

02

九個月，GPT‑Astra一路幹到了流片室

這麼一顆東西，從設計到流片OpenAI只用了九個月。相比之下，業內常見的時間是18-36個月。

做過ASIC的都知道，這個周期裏最磨人的活是驗證。仿真得一輪輪重跑，改一個地方就得從頭再來。

OpenAI之所以能「開掛」，是因為它把自家最強的模型請進了流片室——

協助開發Jalapeño的模型叫GPT-Astra，也就是外界一直在傳的GPT-6！

在整個過程裏，GPT-Astra基本上成了團隊的最強輔助。

它幫着探索實現方案，把「設計-測量-驗證」這一整圈往死裏壓，還順手微操了算術電路。

微操到什麼程度呢？SemiAnalysis挖到的數字是，AI輔助設計讓SIMD單元面積減少8%，矩陣引擎面積減少10%。

同時，這些模塊在時序和功耗上都比初版更好。

計算die居中，兩側各三顆HBM4，上方那條是I/O小芯片

主計算die約840平方毫米，而EUV光刻機的掩模版極限是858平方毫米，這塊硅離物理天花板只差18平方毫米。

可以說，基本上把光刻機能畫的地方佔滿了，一點沒留。

粉色那行是Jalapeño，最右邊三列是每瓦HBM帶寬、每瓦FLOPs和算力帶寬比

每瓦HBM帶寬這一項，Jalapeño是22，第二名Rubin是11.1，GB300只有5.71。它比第二名高出整整一倍。

而每瓦FLOPs它是19.1，Rubin是19.4，兩者幾乎打平，可Rubin要燒1800瓦以上，Jalapeño只要700瓦。

這還只是用A0步進跑的。B0已經在晶圓廠裏了，每瓦性能比A0還要再高約25%。

就這樣，靠着Codex加GPT-Astra這對王炸組合，OpenAI在短短兩個月內，把三個原本壓根沒排進計劃的開源模型，一路爆改到了高性能狀態。

更嚇人的是，在最喫性能的「注意力」和MoE模塊上，AI手敲的代碼跑起來，直接比人類頂尖專家快了1.5到1.8倍。

AI設計芯片，芯片跑AI，AI再回頭優化芯片上的AI。

這個飛輪，OpenAI已經轉起來了。

CUDA護城河，死了？

一直以來，英偉達最深的護城河一直是CUDA。

將近二十年攢下來的軟件棧養出了全世界工程師的肌肉記憶，換一次硬件就得推倒重來。

而SemiAnalysis在文章裏下了一句相當重的判斷，說CUDA的護城河可能已經死了。

理由，就是速度。

他們還補了一個更扎心的對照，英偉達的Rubin其實比Jalapeño早一個月完成CoWoS流片。

可到現在為止，外界能看到的Rubin成績只有CoreWeave工程樣片那點數據，英偉達並沒有像OpenAI這樣把第三方放進實驗室隨便測。

所以問題出在軟件起步的速度上，英偉達的硬件本身沒毛病。

而從零開始甚至還讓OpenAI佔了便宜，不用背歷史包袱，架構可以完全按白紙來畫。

SemiAnalysis最後那句寫得很有畫面感——

他們說GPT-5.6 Sol這類跑在英偉達GPU上的OpenAI模型，被用來設計了一顆真正威脅CUDA護城河的芯片，英偉達自己的GPU正在實時催生自己的「接班人」。

03

10吉瓦，這纔剛開場

Jalapeño只是一條戰線的第一槍。

去年10月，OpenAI和博通搞了個大動作，簽了個10GW定製加速器的合作大單。

奧特曼和博通CEO陳福陽一起展示Jalapeño晶圓，銘牌上寫着「Jalapeño Intelligence Processor」

10GW量級，差不多相當於十座核電機組滿發。

左邊CPU主機櫃，右邊ASIC櫃，一櫃128顆芯片，兩櫃合計約160千瓦

順便說，裝CPU的托盤叫Katsu日式炸豬排，裝芯片的叫Vindaloo印度咖喱，交換機叫Chana鷹嘴豆，從日本菜一路辣到印度菜，這幫人是真想讓你記住這套系統。

而Jalapeño只是路線圖上的第一代，OpenAI在報告裏寫得明明白白——

Gen2已經在深度開發，Gen3也正在成形。

量產要到2027年才逐步爬坡，下一個里程碑是100兆瓦。

不過，就在今天，OpenAI還被爆出，數據中心大總管Chris Malone走了！

Malone可是負責「星際之門」（Stargate）的掌門人。

如今，IPO越來越近，在這個節骨眼上，失去算力基礎設施的關鍵統帥，不禁讓人對OpenAI背後的暗流湧動浮想聯翩。

當然，一顆Jalapeño，還不足以掀翻英偉達。

但真正危險的信號在於，OpenAI已經把模型、芯片和軟件擰成了一個加速飛輪。

今天的Jalapeño只是第一代，後面還有Gen2、Gen3，以及10GW的算力版圖。哪怕核心高管離場，也擋不住這條路線繼續向前。

英偉達依然坐在王座上。

只是這一次，替代者沒有在門外排隊，它已經跑進了機房。

英偉達的對手，終於開始自己造英偉達了。