用 AI 设计 AI 芯片：OpenAI「辣椒芯」凭什么跑赢英伟达？

OpenAI 造芯片这件事，终于从传闻变成了现实。8 月 25 日，OpenAI 在斯坦福举行的 Hot Chips 2026 大会上，公布了首款自研 AI 推理芯片 Jalape?o（墨西哥辣椒） 的首批实测数据。结果一出，震动整个芯片圈——在多个关键指标上，它跑赢了英伟达的旗舰系统。OpenAI CEO 山姆·奥特曼只发了很短的感言：「我们造了一颗芯片，快得离谱。」

Jalape?o 是 OpenAI 与博通（Broadcom）联合打造的首款自研芯片，专为大语言模型推理而设计（不用于训练）。从立项到流片，只用了约 9-16 个月——在芯片行业，这是数得上号的最快纪录之一。

它的硬件规格相当豪华：台积电 N3P 工艺，216GiB 的 HBM4 内存，内存带宽高达 15.4TB/s（接近英伟达 GB300 的两倍），标称功耗只有 700W。

数据有多夸张？对照英伟达看看

测试采用半导体研究机构 SemiAnalysis 的公开基准套件 InferenceX，在 GPT-OSS 120B、DeepSeek R1 670B、Kimi K2.5 三个开源大模型上运行，对标英伟达 GB200/GB300 旗舰系统。核心结果：

——每瓦吞吐量：是英伟达系统的 1.5～1.9 倍

——端到端延迟：降低 1.7～3.6 倍

——单用户峰值速度：GPT-OSS 上达 1459 token/秒（英伟达 GB200 为 535），DeepSeek R1 上约 700 token/秒（GB300 为 169）

——极限场景：在特定等速解码下，每千瓦吞吐最高达到 GB300 的 104.3 倍

—— 功耗：实测持续功耗 ≤550W，而 GB200/GB300 为 1200W/1400W——几乎只有英伟达的一半

SemiAnalysis 的评价相当罕见：「第一代芯片通常毫无竞争力，但 Jalape?o 击败了我们测试过的每一款英伟达、AMD 和谷歌芯片。」

性能之外，Jalape?o 还有一个更耐人寻味的看点——OpenAI 用了自家 AI 来设计芯片。

OpenAI 的 Codex 模型（基于 GPT-6）参与了芯片内核的编写，用 Glooper 语言生成的部分内核，性能比人类工程师写的还快 1.5～1.8 倍。也就是说，这颗打败英伟达的芯片，一部分功劳要记在 AI 自己头上。

「AI 造芯」不再是科幻——当 AI 开始帮人类设计下一代 AI 芯片，这个循环一旦跑起来，速度只会越来越快。

以上对比冷静下来看有三点：

第一，对比并不完全公平。 SemiAnalysis 坦言，拿 Blackwell 系列做对手有点「田忌赛马」，Jalape?o 真正的对手应该是英伟达同样采用 HBM4 的下一代 Vera Rubin——它已经量产、正在出货，却没被放进测试。而且测试时英伟达开了多 token 预测优化，若按此对比，峰值能效优势会缩到约 1.5 倍；「104.3 倍」也只是特定场景的单一数据点。

第二，跑分由 OpenAI 自己提供。 SemiAnalysis 现场验证了过程，但并未跑完整套测试，也没测更接近真实负载的长上下文多轮 Agent 基准。

第三，OpenAI 明确表示不会弃用英伟达。 这颗芯片只管推理，训练仍然大量依赖英伟达 GPU。英伟达此前还同意为 OpenAI 的数据中心提供最高 1050 亿美元的融资支持。两者是「既合作又竞争」的关系。

Jalape?o 目前处于工程样品阶段，计划 2026 年底逐步部署到 OpenAI 的自有算力集群，第二代芯片已深度开发，第三代已初具雏形。它瞄准的方向也很明确：让 ChatGPT 更快、更便宜。

这件事的真正意义，或许不在「一颗芯片打败英伟达」——毕竟测试口径还有争议。而在于：AI 公司开始自己造芯片了，而且用 AI 造 AI 芯片。 谷歌、亚马逊、Meta 都已经在走这条路。

当推理芯片从英伟达「一家独大」走向「群雄逐鹿」，受益的会是所有用 AI 的人——更快的响应，更低的价格。而这，也许才是「辣椒芯片」带给我们最大的价值。