OpenAI自研推理芯片Jalapeño性能超预期，或动摇英伟达CUDA生态壁垒
2026/08/27 10:07阅读量 5
SemiAnalysis报告指出，OpenAI自研专用推理芯片Jalapeño在能效和成本上表现优异，甚至优于英伟达即将量产的Rubin架构。通过采用自研编程语言Gluon及AI辅助编程工具Codex优化底层内核，该芯片成功绕过了CUDA生态依赖。这一进展若大规模落地，将削弱英伟达的护城河，提升模型厂商的议价能力并改变AI芯片竞争格局。
事件概述
美国时间8月26日美股盘后，英伟达公布2027财年第二季度财报，营收与利润双增，并预告下一财年营收增长70%。其新一代产品Vera Rubin已量产出货，预计Q3贡献数据中心收入的20%，相比前代Blackwell架构，推理效率提升10倍，训练速度提升3.5倍。
然而，就在财报发布前夕，知名芯片研究机构SemiAnalysis发布报告称，OpenAI自研芯片Jalapeño正在快速逼近英伟达旗舰产品，其激进的软硬件协同策略可能使英伟达最强的护城河——CUDA生态失效。
核心信息
1. Jalapeño芯片定位与性能突破
- 研发历程：项目始于2023年10月，2024年正式启动，由前Google TPU核心工程师Richard Ho主导，博通负责芯片实现，台积电代工。原计划2026年下半年量产，因产能紧张推迟至2027年。
- 性能表现：今年8月公布的数据显示，Jalapeño在单用户Token处理量、每瓦吞吐量等推理指标上优于英伟达GB200等主流芯片。
- 兼容性：虽为专用推理芯片（不做训练），但已适配DeepSeek R1、Kimi K2.5等第三方开源模型，表现不输GB200，定位为通用高性能推理芯片。
2. 与英伟达Rubin的直接对标
- 同代竞争：SemiAnalysis认为Jalapeño不应与Blackwell对比，而应直接PK未批量交付的Rubin。两者均搭载HBM4内存，且面临相似的Token需求爆发环境。
- 能效优势：Jalapeño以700W低功耗实现出色性能，而Rubin功耗为900-1150W；总拥有成本（TCO）大致持平，但Rubin在原始算力上仍占优。
- 量产进度：Jalapeño大部分产能预计2027年底到位，比Rubin晚至少一年。
3. 绕过CUDA的关键技术路径
- 自研软件栈：OpenAI开发了专用编程语言和内核编程模型“Gluon”，替代CUDA。
- AI辅助开发：利用Codex编写和优化Jalapeño底层内核代码，大幅降低迁移成本，加速新模型适配。
- 行业趋势印证：类似地，Anthropic也曾利用AI编程在周末内完成Claude模型在AMD芯片上的部署调优。这种利用AI算力反哺芯片适配的方式，正逐渐松动CUDA的生态壁垒。
值得关注
- 生态影响：若Jalapeño表现符合预期，其“另起炉灶”的软件策略可能成为AI芯片研发的新范式，动摇CUDA生态根基。
- 商业博弈：成功自研芯片将为OpenAI等客户提供更强议价能力，替代部分英伟达采购份额，从而压缩后者的高利润率。
- 未来展望：尽管Jalapeño目前仅为工程样品且量产滞后，但其展现出的技术路线对英伟达构成潜在长期威胁。随着AI辅助设计工具的普及，打破单一硬件生态垄断的可能性正在增加。