OpenAI Jalapeño推理芯片发布：性能超越英伟达Blackwell，自研ASIC重塑算力格局

核心要点

• 极速研发周期：OpenAI仅用约16个月时间便完成了从团队组建到芯片流片（Tape-out）的全过程，远快于传统ASIC开发周期。
• 顶级硬件规格：Jalapeño芯片集成了HBM4内存技术，在带宽和性能上具备显著优势。
• 通用推理定位：尽管是自研芯片，但Jalapeño并非仅针对OpenAI模型优化，而是一款在多种开源模型上表现优异的通用AI推理芯片。
• 性能全面超越：在第三方测试中，Jalapeño的TCO（总拥有成本）和能效比（每兆瓦吞吐量）均优于英伟达Blackwell、Rubin以及AMD和谷歌的芯片。
• 软硬件协同设计：通过极致的软硬件协同优化，OpenAI打破了“第一代芯片不具竞争力”的行业惯例。

详细分析

16个月的研发奇迹与AI辅助设计

OpenAI的Jalapeño芯片项目始于2024年中期。在半导体行业，开发一款尖端的ASIC（专用集成电路）通常需要数年时间，但OpenAI从最初的团队招聘到最终的制造流片仅用了大约16个月。这一极速周期的实现，很大程度上归功于OpenAI对AI技术的应用。原文指出，关于“利用AI加速芯片设计”的说法在Jalapeño的研发过程中得到了证实。这种高效的开发模式不仅体现了OpenAI团队的执行力，也展示了AI在复杂硬件工程中的巨大潜力。通过与博通（Broadcom）的深度合作，OpenAI成功地从零开始构建了这款专为大语言模型（LLM）推理设计的芯片。

通用性架构与HBM4技术的应用

市场此前普遍猜测OpenAI的自研芯片会过度针对其自有模型（如GPT系列）进行特殊优化，但事实并非如此。Jalapeño被设计为一款通用的AI推理芯片，旨在各种推理场景下都能提供卓越性能。在InferenceX套件的基准测试中，它在处理多种顶级开源模型时均表现出色。硬件规格上，Jalapeño因采用HBM4内存而脱颖而出，这为其提供了处理大规模模型所需的极高内存带宽。OpenAI并没有选择在推理的某个特定环节进行过度专业化，而是通过务实的架构决策，确保芯片在所有主流推理任务中都能保持行业领先地位。

挑战英伟达：TCO与能效比的突破

在AI基础设施领域，性能不仅仅取决于计算速度，更取决于成本效率和能源消耗。Jalapeño在Hot Chips大会上展示的数据极具震撼力：其在总拥有成本（TCO）和每兆瓦吞吐量（Throughput per MW）方面均优于英伟达最新的Blackwell架构，甚至超过了尚未大规模普及的Rubin架构。这意味着在同等电力消耗和投资规模下，Jalapeño能够提供更强大的推理能力。这种优势源于OpenAI极致的软硬件协同设计（Hardware-Software Codesign），使得硬件能够以最高效率运行特定的AI算法负载，从而在首代产品上就实现了对英伟达、AMD和谷歌等资深芯片厂商的超越。

行业影响

Jalapeño的成功发布标志着AI算力市场进入了一个新阶段。首先，它证明了顶级AI实验室通过“垂直整合”策略——即同时掌控算法模型与底层硬件——可以获得巨大的竞争优势。OpenAI不再完全依赖英伟达的供应，这不仅能降低其运营成本，还能在硬件层面实现更灵活的功能定制。其次，Jalapeño在能效比上的突破，为解决AI数据中心日益严峻的能耗问题提供了新的思路。最后，这款通用推理芯片的出现，将迫使传统芯片巨头加快创新节奏，以应对来自下游客户自研芯片的直接竞争。

常见问题

问题 1：OpenAI Jalapeño芯片是专门为GPT模型设计的吗？

不是。虽然由OpenAI设计，但Jalapeño是一款通用的AI推理芯片。测试显示它在多种顶级开源模型上均有出色表现，并非仅局限于OpenAI的自有模型。

问题 2：Jalapeño在性能上真的比英伟达Blackwell更强吗？

根据SemiAnalysis使用InferenceX套件的测试结果，Jalapeño在总拥有成本（TCO）和每兆瓦吞吐量等关键能效指标上确实优于英伟达的Blackwell和Rubin芯片。

问题 3：这款芯片是谁负责制造或合作开发的？

该芯片是OpenAI与博通（Broadcom）合作开发的，研发工作始于2024年中期，采用了从零开始的ASIC设计路径。