核心观点 - OpenAI自研推理芯片Jalapeño在实测中，以不到对手一半的功耗，在推理吞吐量和延迟上全面超越英伟达GB200和GB300，标志着AI公司通过大模型自身能力攻破了CUDA生态壁垒，芯片行业竞争格局面临重塑[2][4][6] 芯片性能对比 - Jalapeño额定700W，实测持续功耗不超过550W，而GB200 TDP为1200W，GB300为1400W[13] - 在峰值每瓦吞吐量上，Jalapeño在GPT-OSS 120B、DeepSeek R1 670B和Kimi K2.5 1T上分别达到对比系统的1.9倍、1.7倍和1.5倍[24] - 端到端延迟表现优于对手1.7至3.6倍[13] - 在等速对比口径下，以DeepSeek R1为例，当单用户生成速度维持在约169 token/秒时，Jalapeño每千瓦可处理约1.23万token/秒，GB300仅约118，差距约104.3倍[21] - 在GPT-OSS和Kimi K2.5上，类似口径差距分别约为53.7倍和56.1倍[21] - Jalapeño在GPT-OSS上单用户每秒最高生成约1,459个token，GB200约535个token/秒[24] - 在DeepSeek R1上，Jalapeño单用户生成速度最高约700 token/秒，GB300约169 token/秒，差距约4.1倍[24] - 在Kimi K2.5上，Jalapeño单用户生成速度最高约694 token/秒，GB300约182 token/秒，差距约3.8倍，最低端到端延迟分别为1.56秒和5.31秒[24] 芯片规格参数 - Jalapeño FP8性能为3.4 PFLOPS，FP4性能为13.4 PFLOPS，HBM容量为216 GiB，HBM带宽为15.4 TB/s，TDP为700W[3] - 对比英伟达GB300：FP8性能5 PFLOPS，FP4性能15 PFLOPS，HBM容量288 GB，HBM带宽8 TB/s，TDP为1400W[3] - 对比英伟达Rubin：FP8性能17.5 PFLOPS，FP4性能35 PFLOPS，HBM容量288 GB，HBM带宽20 TB/s，TDP为1800-2300W[3] AI造芯流水线 - OpenAI利用自家旗舰模型GPT-6（代号Astra）和内部加强版Codex下场造芯，9个月完成硬件设计与优化，流片后3个月内从零设计出完整底层代码软件栈[4] - 硬件设计层：AI被用于探索实现方案、缩短验证周期，并直接优化芯片内部算术电路，使核心计算面积显著缩减，从设计到流片仅用9个月，而传统ASIC研发周期动辄数年[25] - Jalapeño采用一整块Compute Die，左右各三颗共6颗HBM4，顶部为I/O Chiplet，计算核心与HBM4切分成对应“切片”，每个核心切片直连本地HBM，走极简低延迟访问路径[27] - 软件编译层：OpenAI使用内部增强版Codex，让AI自动寻找更优的算子实现，在DeepSeek R1适配中，Codex在几乎没有底层算子工程团队介入下，很快写出可运行且高效的MLA算子实现[29] - 在GPT-OSS的部分注意力和混合专家模块中，AI生成的底层代码比此前人类专家编写的版本快1.5～1.8倍[30] - 模型移植层：OpenAI自研编程语言和编译引擎，绕开CUDA生态，让AI直接把高层算法翻译成底层硬件配置[32] 行业影响与趋势 - SemiAnalysis判断，考虑到OpenAI能在自家芯片上如此快速地适配新模型，CUDA的护城河岌岌可危[23] - 过去十年，Graphcore、寒武纪、Cerebras等挑战者都倒在CUDA软件高墙下，但新一代挑战者换成了大模型，它们在算力上“反噬”宿主，重塑芯片设计产业链[6] - 腾讯云CEO汤道生表示腾讯整体算力“严重不足”，已拖慢混元模型训练和产品发展[32] - 从Anthropic组建内部芯片团队并与三星讨论定制AI芯片，到国内DeepSeek和智谱，模型公司实现算力供给闭环已成共识[33] - 当AI介入芯片设计，软硬件协同的迭代速度将被彻底改写[33]