核心观点 - OpenAI自研推理芯片Jalapeño在吞吐、能效、延迟三项指标上全面反超英伟达GB200与GB300，并被认为超越了英伟达Rubin芯片 [1][3] - 该芯片由OpenAI与博通合作开发，设计到流片仅用9个月，AI辅助设计是关键 [5] - SemiAnalysis判断CUDA的护城河可能已死，但OpenAI与英伟达的绑定仍在加深 [7] 芯片性能对比 - 单用户出词速度：Jalapeño每秒1459个Token，GB200为535个 [1] - 任务完成时间：Jalapeño用1.65秒，GB300花了5.99秒 [1] - 功耗：Jalapeño标称700瓦，实测持续功耗压在550瓦以内；GB200/GB300标称1400瓦 [1] - 每瓦AI工作负载提升1.5至1.9倍，端到端延迟降低1.7至3.6倍，高度交互式负载下优势扩大到2.1至4.1倍 [3] 芯片设计与制造 - 设计到流片仅用9个月，业内常见周期为18到36个月 [5] - 将自家最强模型GPT-Astra和Codex用于AI辅助设计，使SIMD单元面积减少8%、矩阵引擎面积减少10% [5] - 在注意力与MoE模块上，AI生成的代码比人类顶尖专家快1.5到1.8倍 [5] - 主计算die约840平方毫米，距EUV掩模版极限858平方毫米只差18平方毫米 [5] 硬件规格与成本 - 配6颗HBM4、共216GiB、15.4TB/s [5] - 每瓦HBM带宽22，第二名Rubin是11.1，GB300只有5.71 [5] - 每芯片每小时总拥有成本1.56美元，与H100的1.55美元几乎持平，Vera Rubin是3.61美元 [5] - 与博通合作，两家于去年10月签下10GW定制加速器大单 [5] 量产与未来规划 - 量产2027年逐步爬坡，下一里程碑是100兆瓦 [5] - Gen2已在深度开发、Gen3正在成形 [5] - 2026年底先部署进OpenAI自己的数据中心 [5] 行业竞争格局 - 英伟达Rubin比Jalapeño早一个月完成CoWoS流片，但外界能看到的成绩只有CoreWeave工程样片数据 [7] - 英伟达没有像OpenAI这样把第三方放进实验室随便测 [7] - SemiAnalysis判断CUDA的护城河可能已经死了 [7] 英伟达与OpenAI的绑定关系 - 8月17日，英伟达同意为OpenAI俄亥俄州数据中心园区提供最高1050亿美元融资 [7] - OpenAI承诺2026年下半年部署首批1吉瓦英伟达Vera Rubin系统 [7] - OpenAI芯片负责人Richard Ho表示仍需要大量英伟达芯片 [7] - 这一切落在英伟达财报前夜，焦点包括OpenAI算力承诺的会计处理 [7]