OpenAI自研Jalapeño芯片9个月流片即超越英伟达Blackwell，AI驱动芯片设计新范式

性能实测：Jalapeño多项指标碾压Blackwell

据半导体研究机构SemiAnalysis实测，OpenAI自研芯片Jalapeño在GPT-OSS 120B模型推理中，每秒输出Token数达1459个，远超英伟达GB200的535个；端到端延迟仅为1.65秒，而GB300需近6秒。在高交互场景下，Jalapeño吞吐量可达GB300的104.3倍。在能效方面，Jalapeño实现约5300万Token/MW/s，是GB200 NVL72（约1000万）的5倍以上。

开发速度创纪录：16个月完成设计流片

Jalapeño从项目启动到完成流片仅耗时约16个月，其中关键CoWoS封装节点于2025年11月完成，距今仅9个月，远低于行业18至36个月的常规周期。这一速度得益于OpenAI内部AI模型的深度参与。

AI驱动芯片设计：GPT-Astra与Codex加速研发

OpenAI在Jalapeño开发中大量使用自研AI工具。GPT-Astra与Codex协助在两个月内调优三个开源模型，并生成高性能内核代码。AI辅助使SIMD单元面积缩减8%，矩阵引擎缩小10%，且在时序与功耗上优于初始设计。在注意力机制和MoE模块上，AI生成代码比人类工程师快1.5至1.8倍。

架构创新：通用设计反胜专用芯片

尽管外界预期Jalapeño为专用芯片，但SemiAnalysis指出其具备通用推理能力，可运行多种模型甚至移植游戏。其架构采用计算核心与HBM切片直连、专用集合网络同步，并使用乱序执行核心搭配L1缓存，避免软件管理暂存器的复杂性。搭载HBM4内存，单封装带宽达15.4TB/s，每瓦HBM带宽为22，显著高于英伟达Rubin（11.1）和GB300（5.71）。

CUDA护城河面临挑战

SemiAnalysis认为，CUDA生态的壁垒可能正在松动。Jalapeño虽从零构建软件栈，却凭借自研语言Gluon（基于Triton）和推理引擎“Teacup”，配合Codex快速迭代，在两周内吞吐量提升超2倍，8天内实现TP32张量并行扩展。相比之下，英伟达Rubin虽早一个月流片，但软件生态开放度和测试透明度明显不足。

量产与部署规划：迈向10GW时代

当前测试基于A0步进样片，B0版本已入厂，预计每瓦性能再提升25%。系统层面，单机柜集成128颗芯片，双机柜功耗约160kW。单一网络域可连接2048颗XPU，覆盖16机架。量产计划于2027年爬坡，目标部署规模达100MW。OpenAI与Broadcom已签署10GW定制加速器协议，相当于十座核电机组满发功率。

保留意见与未来挑战

SemiAnalysis同时指出若干限制：测试模型非最前沿（如未涵盖DeepSeek V4 Pro等）；公平对比应针对同样采用HBM4的Vera Rubin，两者TCO接近；Jalapeño尚未通过AgentX多轮长上下文测试；且仍处工程样片阶段。OpenAI芯片负责人Richard Ho强调，英伟达仍是重要合作伙伴，短期内不会放弃现有供应商。