OpenAI公布自研推理芯片Jalapeño首份跑分，每千瓦吞吐量达英伟达系统1.5至1.9倍

OpenAI在Hot Chips大会上公布了其与博通（Broadcom）联合打造的推理芯片Jalapeño的首份跑分数据：在三款公开模型上，该芯片的每千瓦吞吐量达到英伟达系统的1.5至1.9倍。更引人注目的是开发节奏——从设计到流片仅用9个月，而行业常规周期为18至24个月，OpenAI借助Codex等AI工具生成kernel加速了全流程。按计划，该芯片将在2026年底进行极小规模部署，其商业指向是对外出租推理算力、争夺AI定价权。与此同时，Google Cloud的TPU业务在2026年二季度收入同比增长超过200%，非英伟达算力体系正在加速成形。

一、事件速览

推理效率一直是AI大规模应用的核心瓶颈与竞争焦点，而每千瓦吞吐量则是最能反映这一瓶颈的指标——它直接关联数据中心可获取的电力额度与单位服务成本。OpenAI选择自研推理芯片，本质上是在回答一个问题：当模型服务规模持续膨胀，算力成本结构中最大的一块能否由自己掌控。Jalapeño与博通联合打造，说明OpenAI并未从头建设芯片工程体系，而是借助成熟的设计服务与制造资源加速落地。2026年二季度Google Cloud TPU业务收入同比增长超过200%、AWS Trainium拿下Anthropic与Stability AI等大客户的背景，共同指向一个判断：非英伟达算力体系正在从备选走向主流。

二、关键数据与技术细节

• 能效表现：在三款公开模型上，Jalapeño每千瓦吞吐量达到英伟达系统的1.5至1.9倍。
• 开发周期：从设计到流片仅用9个月，行业常规周期为18至24个月。
• 提效手段：OpenAI借助Codex等AI工具生成kernel，加速了芯片设计全流程。
• 合作方：与博通（Broadcom）联合打造，借助其设计与工程能力。
• 部署节奏：计划2026年底极小规模部署，指向对外出租推理算力、争夺AI定价权。
• 竞品态势：2026年二季度Google Cloud的TPU业务收入同比增长超过200%；AWS Trainium拿下Anthropic、Stability AI等大客户。

三、行业影响与解读

Jalapeño的信号意义大于其短期产能意义。9个月的流片周期如果可复制，意味着AI工具正在实质性地压缩芯片工程的时间成本——这本身就是AI反哺半导体产业的一个例证。而每千瓦吞吐量1.5至1.9倍的优势，若能在更大规模部署中保持，将直接影响推理服务的单位成本结构，进而影响AI服务的定价空间，这也是OpenAI规划对外出租推理算力的商业基础。对英伟达而言，挑战不再只来自同类GPU厂商，而是来自客户自研与专用架构两条路径：谷歌TPU出货与收入的高增长、AWS Trainium的客户拓展，都在分流原本高度集中的算力采购。有从业者称，从综合成本看，这套非英伟达算力体系的成本甚至可以做到英伟达阵营的50%以下。不过需要看到，2026年底的部署规模被描述为极小规模，从跑分到规模化量产之间仍有工程与良率的现实距离。

四、值得关注的信号

• 能效取代峰值算力：每千瓦吞吐量成为推理芯片的核心指标，电力约束正在主导芯片设计。
• AI加速芯片设计：Codex生成kernel把流片周期压到9个月，工具链变革外溢到硬件工程。
• 客户自研分流需求：OpenAI、谷歌、亚马逊的自研路径，正在削弱单一供应商的定价能力。
• 推理优化远未触顶：业内将推理优化空间视为2026年重要技术趋势，所谓技术泡沫被质疑为假命题。

小结：OpenAI公布Jalapeño跑分，以每千瓦吞吐1.5至1.9倍与9个月流片周期两个数据，同时回应了能效与工程效率两个问题。2026年底的极小规模部署只是起点，其真正目标是掌握推理成本与AI定价权。在谷歌TPU与AWS Trainium同步崛起的背景下，算力市场的多元化格局已经难以逆转。