9个月后，OpenAI的芯片成绩单终于揭晓。8月25日，在Hot Chips大会上，OpenAI硬件负责人Richard Ho公布了Jalapeño芯片的首次公开跑分。在SemiAnalysis的InferenceX基准测试中，这款由OpenAI与博通联合打造的推理芯片，在「每用户token数」和「每千瓦吞吐量」两项关键指标上，双双超越了当下市面上最先进的推理处理器——英伟达Blackwell系统。
具体而言，OpenAI使用SemiAnalysis的公开基准工具InferenceX，在GPT-OSS 120B、DeepSeek R1 670B和Kimi K2.5 1T三款公开大模型上与英伟达对测。结果显示，三款模型上，Jalapeño的峰值每瓦吞吐量是英伟达系统的1.5至1.9倍，意味着用同样电量，Jalapeño能多干近一倍的活。低延迟场景差距更大，跑DeepSeek R1时，单用户生成速度最高约700 token/s，而英伟达GB300只有约169 token/s。换算下来，Jalapeño的速度是后者的4.9倍，意味着用户等待时间缩短了将近四分之三。
「Jalapeño能够在单位功耗下处理更多AI任务，同时还能更快地返回响应。Jalapeño采用单一架构能完成更高的吞吐量和更低的延迟，而现有硬件系统通常需要在两者之间做出权衡。」OpenAI在官方博客中这样总结。
按计划，这颗芯片2026年底才会以「极小规模」部署，真正上量要等到2027年。但这款芯片的独特之处，不只是跑得更强。它是头部模型厂商自研芯片落地的第一步，是一颗专为模型而生的芯片。过去二十年，行业的默认秩序是「为芯片适配模型」，英伟达发布什么，大家适配什么；而这一次，顺序倒了过来。这颗为模型而生的芯片，究竟有何不同？
**01 AI造芯，只需9个月**
Jalapeño主要由OpenAI负责架构设计，博通参与实现、网络和连接，Celestica负责板卡与机架集成。目前，该芯片设定在额定功耗700W，搭载HBM4，单封装内存带宽约15.4TB/s，配独立I/O芯片处理机架内外通信；B0版的MXFP4理论算力为13.4 PFLOPS。
从初始设计到完成流片，Jalapeño只用了9个月。如果从2025年10月OpenAI与博通官宣合作算起，到今天拿出完整的第三方见证跑分，满打满算也不到一年。而芯片行业的正常节奏是什么？一颗高性能ASIC从架构定义、RTL设计、验证、物理实现到流片，常规周期是18到24个月起步。这个周期几十年来压缩得极其缓慢，它往往受制于工程师读懂需求、写出代码、跑完验证的速度。谷歌TPU、亚马逊Trainium首代用了两年才走完所有流程。OpenAI作为一个从未造过芯片的公司，首度出手就把周期砍掉了一半以上。
飞速造芯的背后，是AI在给造芯这件事本身加速。据介绍，在GPT-OSS的部分attention和MoE模块中，AI生成的kernel比此前人工专家编写的版本快1.5至1.8倍。OpenAI借助Codex和GPT-Astra，只用了大约两个月就完成了对DeepSeek R1和Kimi K2.5的移植和优化。这种AI能力早已不局限于模型调优，而是渗透到了芯片设计、驱动开发、软硬件适配等全流程。
更重要的是，这不是一次性的加速冲刺。据公开信息，OpenAI的跑分用的还是A0版工程芯片，改进版B0已进入台积电N3P工艺的制造阶段；第二代芯片已经进入深入开发，第三代开始规划。当芯片的研发周期从24个月压到9个月，意味着同样的时间能多迭代一倍以上的芯片迭代，每一代又都能吸收最新的模型架构洞察，用自家模型加速自家芯片设计这条路，开始对握有前沿模型和芯片项目的公司开放。「一年一代」这个节奏，不再是老牌芯片巨头厂商才能做到，OpenAI想用AI直接抄近道。
**02 跑赢英伟达的秘密，让数据不挪窝**
如果先搞懂这颗芯片的设计哲学，只有一句话：少搬数据。芯片行业有个残酷的常识，「计算几乎免费，但搬运数据才贵」。大模型推理的瓶颈不在算力，而在于每生成一个token，都要把巨量的模型权重和上下文缓存（KV缓存）从内存里搬进搬出；通用GPU的算力单元大半时间不是在计算，而是在等数据。这也是很多芯片纸面峰值很高、实际负载只能发挥六七成的根源。
Jalapeño的所有架构选择基本都离不开这个痛点。它把计算核心和HBM4内存切成对应的「切片」，每个核心对自己那片内存拥有低延迟的直达通道，相当于不让工人跑公共仓库领料，而是给每人配一个专属工具箱。同时，单封装15.4TB/s的内存带宽，能保证工具箱够大够快。官方说法是，模型生成回答时反复要用的「数据」，能被「显式地放置并保持在本地」，被明确安排在干活的工作台手边、不需要被反复远程调用，省下来回搬运数据的时间。
架构上最值得注意的选择是，Jalapeño上，prefill（处理用户输入）和decode（逐个生成token）由同一颗加速器完成，而不是像英伟达Rubin那样，把prefill拆给专用的CPX芯片。OpenAI理由很实在，芯片运转时真实流量的构成一直在变，从聊天到推理模型再到Agent，输入、缓存、输出token的比例已经面目全非，今天按固定比例配好两种芯片，明天流量一变就会有一半在闲置。与其追求纸面峰值，不如让每颗芯片什么都能干。这是「为模型造芯片」最生动的体现之一，让芯片设计跟着自家模型流量的变化走，而不是跟着传统逻辑走。
以GPT-OSS 120B为例，效率上，每千瓦每秒处理约8.54万个token，同一度电干近两倍的活；速度上，单用户每秒最高生成1459个token，对手535个。而且模型越大优势越明显：6700亿参数的DeepSeek R1上，效率高1.7倍，低延迟模式下单用户700对169 token/s；万亿参数的Kimi K2.5上，从提问到答完的首延迟1.56秒，对手要5.31秒。当把交互速度固定在100 token/s/用户这个主流水平时，Jalapeño在Kimi K2.5上的吞吐量是英伟达GB300的9倍以上，也就是同样的服务质量，它能同时接待9倍的用户需求。
但这份成绩单同样有水分，不代表胜利。我们看到跑分数据主要由OpenAI提供，SemiAnalysis只是进实验室现场见证了运行，并未独立完成全部测试。而且，Jalapeño的公开结果全部来自约8k输入、1k输出的单轮推理，这是相对容易调优的负载。同时，对更长上下文、多轮交互的智能体任务，OpenAI一个公开数字都没给。要知道，Agent恰恰是当下推理需求增长最猛的场景，也最考验路由、前缀缓存这些系统真功夫。
**03 为模型而生的芯片，开始争夺AI定价权**
这份成绩单里还埋着一个野心。在这次跑分测评中，DeepSeek R1和Kimi K2.5这两个竞争对手的模型，拿到了和自家GPT-OSS完全同等的待遇。尽管DeepSeek采用的MLA注意力机制是它的自研架构，但OpenAI还是从零实现了这套架构所需的底层核心计算代码。为竞争对手的私有架构专门开发底层代码，这已经超出了「证明芯片通用」的需要，更像是暗暗证明，任何一家的模型，都能在这颗芯片上快速跑到极致。
这条流水线指向一门尚未宣布的生意。如果Jalapeño的每token成本确实比英伟达更低，OpenAI完全可以像AWS卖云那样，把推理算力租给其他模型公司，先为自己建基础设施，再把富余能力开放出去。OpenAI至今未就「出售算力」做出任何公开表态，然而，一家公司的长远野心，往往通过它的工程决策露出端倪。
巧合的是，就在Jalapeño公布成绩单的前一天，8月24日，英伟达也拿出了Vera Rubin的跑分。英伟达宣布Rubin机架级系统全面投产，并公布在Artificial Analysis基准下，新平台跑Gemma 4 31B，10万token长上下文场景做到每秒3400个输出token，比最接近的竞品快4倍；配合此前CoreWeave的实测，Vera Rubin NVL72每兆瓦token吞吐量是上一代GB200的10倍。更有戏剧性的是，同一天，苹果也推出了全球首款量产2nm芯片M6，首发搭载于Mac mini，多线程性能较上代提升40%，双16核神经引擎带来翻倍的本地AI算力；同场的M5 Ultra把Mac的统一内存推到512GB，多台Mac Studio还能组集群跑分布式推理。
苹果显然是围绕着硬件，希望数据留在本地、不按token付费，让Mac成为云端算力之外的另一个选项。48小时，三颗芯片。把它们摆在一起，我们能看到手机巨头、算力老大和头部模型公司在AI时代的芯片上，走出了三条完全不同的路。苹果赌制程与端侧，用最先进的工艺把AI塞进每个人桌上的盒子，绕开云端的按量计费；英伟达赌通用与系统，七颗芯片协同成一台机器，为所有模型保持领先半代；OpenAI赌垂直与专用，把自家模型的需求直接硬化进电路，换取极致的每token成本。三条路在技术上互不兼容，但他们已经把算力这门生意，从一家公司的主导，变成三种势力的博弈。从这份成绩单公布的那一刻起，模型企业的真正买家首次用自己的芯片、自己的考题、自己的成本结构，给出了另一个答案。