2026 年 8 月 25 日，SemiAnalysis 發布了一份關於 OpenAI 自研推理晶片的深度報告，標題直接定為「OpenAI Jalapeño: Better Than Nvidia Blackwell」。這份報告基於 SemiAnalysis 團隊受邀前往 OpenAI 實驗室實地考察與使用專有 InferenceX 基準測試套件進行實測的結果，首次公開揭示了 OpenAI 自研晶片的真實性能數據。
Jalapeño 的背景：從空白畫布到流片僅 16 個月
OpenAI 於 2026 年 6 月正式對外公開了與 Broadcom 合作的晶片計劃，而 Jalapeño 晶片正是在 Hot Chips 2026 大會上正式宣布的推理專用 ASIC。SemiAnalysis 的報告透露：
- 設計起點：2024 年中旬開始團隊組建
- 流片時間：僅耗時約 16 個月，從零開始完成設計到製造 tape-out
- 合作夥伴：與 Broadcom 深度合作，採用台積電先進製程
- 設計方針：從空白畫布（blank slate）出發，專為 LLM 推理場景優化
這一開發速度在半導體業界被視為「極其迅速」，通常類似規模的 ASIC 開發週期需要 2-3 年以上。
實測表現：TCO 與能效全面領先
SemiAnalysis 使用其 InferenceX 基準測試套件進行的比較結果顯示，Jalapeño 在多個關鍵指標上優於 Nvidia 當前的 Blackwell 架構：
| 指標 | Jalapeño vs Blackwell |
|---|---|
| 每瓦吞吐量（Throughput per MW） | 顯著領先 |
| 總擁有成本（TCO） | 更低，尤其在大規模部署場景 |
| 推理延遲 | 同等或更優 |
| 專用優化 | 專為 Transformer 解碼架構打造 |
報告強調，作為一款專為 LLM 推理設計的 ASIC，Jalapeño 在硬體層級針對 Transformer 解碼階段進行了深度優化，避免了通用 GPU 中不必要的運算單元開銷，從而實現更好的每瓦性能比。
對 AI 產業的深層意義
這項消息不僅關乎 OpenAI 的技術路線，更反映了整個 AI 基礎設施領域的結構性變化：
1. 自研晶片成為前沿實驗室的新常態
OpenAI 並非唯一走自研晶片路線的 AI 公司。Google 早已透過 TPU 系列長期佈局，Amazon 有 Trainium/Inferentia，Meta 也傳出自研晶片計劃。Jalapeño 的成功流片與優異表現，證明了 AI 實驗室不再僅僅是 GPU 的被動消費者，而是開始主動塑造計算基礎設施。
2. Nvidia 面臨的競爭壓力加劇
雖然 Nvidia 仍是 AI 訓練與推理市場的絕對主導者，但 OpenAI 這類頭部客戶的自研晶片策略正在侵蝕其利潤率最高的推理市場。SemiAnalysis 的報告指出，Jalapeño 在推理場景的 TCO 優勢意味著 OpenAI 可以在長期運營中顯著降低 API 的推理成本——這與 OpenAI 近期大幅調降 GPT-5.6 系列定價的策略形成邏輯閉環。
3. ASIC 設計速度的里程碑
16 個月從團隊組建到流片，對於一款高性能推理 ASIC 而言是前所未有的速度。這得益於：
- Broadcom 在 ASIC 設計與 IP 整合方面的深厚經驗
- OpenAI 團隊對自身推理工作負載的精確掌握
- 現代 EDA 工具與設計方法論的成熟
未來展望
Jalapeño 的量產部署將顯著改變 OpenAI 的基礎設施成本結構。如果大規模部署，OpenAI 或將具備比競爭對手更低的推理成本優勢，進一步拉開與 Anthropic、Google 等競爭者在 API 定價上的差距。
對於整個 AI 晶片市場而言，Jalapeño 的出現標誌著一個新階段的開始：當 AI 實驗室開始擁有不亞於晶片大廠的設計能力時，AI 硬體市場的權力平衡將被重新書寫。
本文信息來源：SemiAnalysis（Bryan Shan、Myron Xie、Jordan Nanos、Wega Chu、Clara Ee、Dylan Patel），“OpenAI Jalapeño: Better Than Nvidia Blackwell”，2026 年 8 月 25 日。