当 OpenAI 决定自己造芯片，AI 算力格局要变天了。
8月25日，OpenAI 发布了自研推理芯片 Jalapeño 的首批实测数据。结果令人震惊：在多项关键指标上，这颗与 Broadcom 合作打造的 ASIC 芯片，竟然超越了 Nvidia 当前最先进的 Blackwell GPU。
这不是实验室里的概念验证，而是 OpenAI 即将在年底部署到生产环境的真实芯片。一场 AI 推理芯片的新战争，正式打响。
一、Jalapeño 实测数据：每瓦性能碾压 Blackwell
OpenAI 在官方博文中披露了 Jalapeño 的对比测试结果。核心数据如下：
能效比（AI 工作负载/瓦特）：Jalapeño 达到 Blackwell 的 1.5 到 1.9 倍。这意味着处理相同的 AI 推理任务，Jalapeño 只需要不到 Blackwell 一半的电力。
延迟（响应时间）：Jalapeño 的延迟降低到 Blackwell 的 1/1.7 到 1/3.6。对于 ChatGPT 这样需要实时响应的产品，这个差距意味着用户体验的质变。
适用场景：Jalapeño 在低延迟和高吞吐两种极端场景下都表现出色，说明这颗芯片不是”偏科生”，而是全面型选手。
OpenAI 在博文中写道：”OpenAI 模型也加速了 Jalapeño 的开发。”这句话暗示了一个有趣的正反馈循环——OpenAI 用自家模型优化自家芯片，再用更好的芯片跑更强的模型。
二、从 9 个月到量产：Broadcom 的速度与 OpenAI 的野心
Jalapeño 的诞生速度本身就是行业奇迹。
2026 年 6 月 24 日，OpenAI 和 Broadcom 联合发布了这颗芯片。从设计到流片，整个周期只用了 9 个月。要知道，传统芯片从设计到量产通常需要 18-24 个月。
Broadcom 提供了定制 ASIC 的设计和制造能力，而 OpenAI 贡献了对 LLM 推理工作负载的深度理解。两者的结合产生了一颗专门为大语言模型推理优化的芯片——不是通用 GPU，而是”为这个特定任务而生”的专用处理器。
芯片采用超大规模光罩（massive reticle-sized）设计，这在业界极为罕见，意味着单颗芯片的面积接近光刻机的物理极限。更大的芯片面积 = 更多的计算单元 = 更高的推理吞吐量。
三、为什么 Nvidia 被超越？自研芯片的逻辑
要理解 Jalapeño 为什么能超越 Blackwell，需要看清一个底层逻辑：通用芯片 vs 专用芯片。
Nvidia 的 GPU 是为图形渲染设计的，后来被”借用”来做 AI 计算。它的强大在于通用性——什么都能跑，但什么都不是最优解。Blackwell 是 Nvidia 最新的 AI 专用 GPU，但仍然是 GPU 架构，保留了大量图形渲染相关的冗余电路。
Jalapeño 则完全不同。它从第一行代码开始就是为 LLM 推理设计的。没有图形渲染单元，没有通用计算的冗余，每一个晶体管都在为”让下一个 token 更快生成”服务。这种极致的专用化，让它在特定任务上能以更少的能耗完成更多的工作。
这不是 Nvidia 的技术失败，而是商业逻辑的必然。当一个客户（OpenAI）的推理工作负载大到一定程度，自研专用芯片的经济账就算得过来了。
四、AI 芯片格局：从 Nvidia 一家独大到多极竞争
Jalapeño 的出现，标志着 AI 芯片市场从”谁买得到 Nvidia”进入”谁造得出更好的芯片”的新阶段。
对 Nvidia 的影响：短期影响有限。OpenAI 明确表示将继续使用 Nvidia 和其他合作伙伴的加速器来满足不断增长的算力需求。Jalapeño 是补充，不是替代。但长期来看，如果每个大型 AI 公司都开始自研芯片，Nvidia 的市场份额将被逐步蚕食。
对 Broadcom 的意义：这是 Broadcom 在 AI 芯片代工领域的标志性胜利。如果说台积电是 GPU 的制造者，Broadcom 正在成为定制 AI 芯片的设计伙伴。
对 AI 行业的启示：自研芯片不再是 Google TPU 那样的”学术实验”，而是大型 AI 公司的标配。当你的推理成本占到运营成本的大头时，造自己的芯片就成了理性选择。
但有一个关键变量：Nvidia 的下一代芯片 Rubin 已经在向客户出货，采用更先进的 HBM4 内存。Jalapeño 超越的是”上一代”Blackwell，面对 Rubin 时结果可能不同。这场芯片竞赛，远没有到终局。
五、小结：推理芯片是 AI 的下一个战场
Jalapeño 的实测数据证明了一件事：在 AI 推理这个价值数千亿美元的市场上，Nvidia 的护城河不是不可逾越的。
OpenAI 用 9 个月造出了一颗能超越 Blackwell 的芯片。明年，它会用 Rubin 级别的技术造出更强的下一代。当每个 AI 巨头都有自己的芯片团队时，算力成本将加速下降，AI 应用的普及也将随之提速。
芯片战争的下半场，已经开始了。