OpenAI自研晶片Jalapeño推理性能超越輝達GB300
Nashnova编辑部
OpenAI首次公佈自研推理晶片Jalapeño實測數據，性能與能效均超越輝達GB300。但該晶片只能做推理、不能訓練模型，OpenAI的算力命脈短期內仍握在輝達手中。
Jalapeño到底跑出了甚麼成績？
基準測試覆蓋三個模型：DeepSeek R1、擁有1萬億參數的Kimi K2.5，以及OpenAI最新開源模型。
三項測試中，Jalapeño的性能與能效均超越輝達GB300及其他競爭對手晶片。
這意味著→ OpenAI第一次拿出硬數據證明，自己造的晶片在推理場景下確實能打贏市面上最強的對手。
既然贏了輝達，為甚麼還離不開它？
Jalapeño的關鍵限制：只能做推理（運行已訓練好的模型），不能訓練新模型。
簡單來說＝ 推理是「考試答題」，訓練是「從頭學習」——Jalapeño只會答題，不會學習。
訓練側OpenAI仍高度依賴輝達等外部供應商，自研晶片目前無法取代輝達的核心地位。
產能和商業化走到哪一步了？
今年部署數量有限，明年擴大產能；第二代晶片已進入深度研發，第三代規劃初步成形。
硬件副總裁理查德·何明確表示：「我們自身的需求太大，根本無法想像何時能向其他人出售。」
這意味著→ Jalapeño短期內是純內部工具，不會變成對外賣晶片的生意。
放在行業裡看，這件事說明甚麼？
AI模型廠商自研晶片已成大趨勢：谷歌有TPU，亞馬遜、微軟各有自研晶片，Anthropic本月亦確認在推進。
OpenAI刻意用開源模型做基準測試，方便外界橫向比較——但不打算對外供貨。
這反映出一個核心邏輯：大模型公司造晶片，不是為了賣晶片，而是為了降低對輝達的依賴、控制自己的算力成本。
後續該盯甚麼指標？
Jalapeño及後續產品在OpenAI整體算力中最終佔多大比重，是衡量其算力自主化進程的核心指標。
簡單來說＝ 自研晶片佔比越高，OpenAI對輝達的議價能力就越強，營運成本就越可控。
理查德·何的定位很清楚：「Jalapeño是其中一部分，輝達是其中一部分，AMD也是其中一部分」——多條腿走路，不押單一供應商。
Content is for reference only, not financial advice.