性能碾压片Jal英伟达G正式亮相款自研芯nAI首

差不多有2.7倍的碾压优势，这就说明它的英伟研芯架构有一定通用性。不会抢英伟达的款自第三方客户。吞吐量差不多是正式1459 tokens/s，Jalapeño就只要1.65秒，亮相端到端任务延迟，碾压Jalapeño不只是英伟研芯适配GPT系列，是款自最大的算力市场。不做训练，正式配HBM4高带宽内存。亮相

OpenAI为什么要自己做芯片？碾压答案就一个词：成本。搭配定制Arm CPU和博通Tomahawk交换芯片，英伟研芯但现在谷歌、款自Jalapeño的正式核心目标是把大模型推理的总体拥有成本降约50%，省下来的亮相钱是天文数字。这也足够让英伟达有些头疼了。

最夸张的是开发周期，

短期来看，

台积电3nm工艺，砍掉了通用GPU所有图形计算冗余。行业常规是18到36个月，差距有3.6倍。

第三方半导体机构SemiAnalysis测出来的数据是，700W的Jalapeño也稳压1400W的GB300。GB200才535 tokens/s，

先看配置。Meta、Jalapeño是纯推理芯片，

还有一个细节，Jalapeño今年年底才规模化部署，推理占AI全生命周期算力负载的80%到90%，

OpenAI官方公布的推理性能数据：GPT-OSS 120B模型下，亚马逊都在推自研推理ASIC，甚至还能移植运行经典游戏《Doom》，而且只自用不对外卖，下一代Rubin平台1800W起步。摆脱对通用GPU的依赖。标称TDP只有700W——GB300是1400W，端到端推理延迟低约1.7倍；在DeepSeek R1 670B这种大参数模型上，

8月25号，

为什么能那么快？因为芯片开发全程大量采用了AI辅助设计。单卡推理的时候，OpenAI公布了首款自己研发的芯片Jalapeño的性能测试数据，各种开源大模型都能流畅运行，从设计之初就围绕大模型推理负载优化，比英伟达GB300要好上不少！这个和博通一起开发的推理专用ASIC，每瓦混合吞吐量比GB200高出1.9倍，但这款芯片从设计启动到流片就用了9个月！电费省一半，在能效和延迟这两个关键指标方面，GB300得接近6秒，

一颗700W的芯片干1400W的活，对OpenAI这种按token计费跑推理的巨头来说，