Hot Chips大会上,OpenAI第一次把憋了两年的推理芯片「Jalapeño」摊开给外界看,还专门请SemiAnalysis进实验室,用自家InferenceX套件现场跑分。结论很炸裂:在DeepSeek R1、Kimi-K2.5、GPT-OSS这几款开源大模型上,Jalapeño每瓦性能全面超过英伟达Blackwell,而且没用多token预测这类加速手段。消息很快被简化成一句话——OpenAI造芯片,吊打英伟达。拆开这份测评看,至少有三处接缝没对齐,决定了这句话该信几成。
芯片本身,确实不弱
硬指标先摆出来:台积电N3P工艺,216 GiB HBM4显存,带宽15.4 TB/s,峰值算力13.4 PFLOPS(MXFP4)。额定功耗700W,SemiAnalysis现场核实的实测功耗压在550W左右。单机架能塞128颗芯片。
OpenAI给出的对比更直接:GPT-OSS相比GB200,吞吐每瓦提升近两倍;DeepSeek R1相比GB300,吞吐每瓦提升约七成,延迟降到不到三成。现场看到的数字同样夸张——DeepSeek R1低并发下跑出700+ tokens/sec/user,而且没用投机采样,没做prefill和decode拆分。首代自研芯片打成这样,确实打破了「第一代必拉胯」的行业惯例。
第一处接缝:9个月,还是16个月
OpenAI对外说法是RTL到流片只用了约9个月,当作「AI正在加速芯片设计」的证据。SemiAnalysis核实的时间线不同:团队2024年年中组建,到2025年11月完成封装流片,前后约16个月。
两个数字都不算错,只是统计起点不同。孟子说「尽信书,则不如无书」,放这里同样适用——公司自己报的进度条,值得多问一句从哪算起。
第二处接缝:这份「独立测评」独立在哪
真正决定结论含金量的是方法论。这次所有数字来源都是OpenAI提供,SemiAnalysis只在现场核实了部分跑分,没跑完整套件,也没拿到更贴近真实生产场景的AgentX结果——那套基准专测长上下文、多轮对话、前缀缓存复用,而这次测的是相对简单的8k输入/1k输出单轮任务,还关掉了前缀缓存。
对比基准也有错位:拿来对照的是上一代Blackwell,不是同样用HBM4的下一代Rubin。Jalapeño没用多token预测,对照组却用了英伟达各自的最优配置。GitHub上已经有开发者质疑「tokens per MW」这个核心指标——分子到底只算输出token,还是把输入输出混着算,不同口径能差出好几倍。
跑分再漂亮,也架不住裁判和运动员共用一份材料
- 风险.tokens per MW的分子分母、「all-in utility MW」的系统边界是否统一,目前还没公开到能核对的程度。
造芯片不是为了卖,是为了不缺电
比跑分更值得琢磨的是动机。OpenAI明确说Jalapeño不对外卖,产能全部自用,同时还会继续买英伟达芯片,第二代已在研发,第三代也已启动。这跟谷歌TPU、亚马逊Trainium是同一条路——大模型公司自己做ASIC,不是要跟英伟达抢生意,是要在电力被卡脖子的当下,把每兆瓦榨出的token数尽量拉高。黄仁勋在Computex上说过,「如果你有一吉瓦的电,吞吐量每瓦就是营收」,反过来读,正是OpenAI造芯片的全部动机。
- 结论.这场自研芯片竞赛的胜负,不看谁的跑分图更漂亮,看谁能把电力这个硬约束转成实际交付的token。
Meta和微软的芯片项目做得更久,至今没真正落地,说明砸钱不是唯一变量。OpenAI能在16个月内拿出打得过Blackwell的芯片,团队执行力是真的强,Broadcom也不只是代工——硅片实现、网络芯片、Celestica整机集成,这是一条产业链被重新组织了一次。
该信几分
两层判断比较合理。「首代芯片确实做出了实打实的性能」——这个可以高置信度相信,规格和现场跑分都摆在那。但「全面超越英伟达」这个更响的结论要打折扣:数据来源单一,测试场景偏简单,对比对象是上一代产品,关键指标的定义还没公开到能复核。真正能验证这句话的,是三件还没发生的事——AgentX结果、独立第三方复现、跟同代Rubin的正面对照。这三样出来之前,「吊打英伟达」更像一句还没交卷的判断。