OpenAI表示，其自研Jalapeño推論晶片在700瓦功耗條件下，於兩項AI推論基準測試中擊敗Nvidia輝達GB300， 並計畫在2026年稍晚正式導入，以降低營運成本並提升回應速度。
重點整理：
- OpenAI稱Jalapeño在測試中於「每單位功耗吞吐量」與「回應速度」兩大指標領先輝達GB300。
- 這顆700瓦推論晶片鎖定資料中心應用，目標是在提供更快AI服務的同時壓低營運成本。
- Jalapeño並非為模型訓練而生，也尚未與輝達較新一代的Vera Rubin系列比較。
OpenAI基準測試結果
OpenAI在聲明中指出， 自家客製化Jalapeño處理器在測試中，於「每單位功耗可完成的AI運算量」與「回應輸出速度」兩項關鍵指標上， 表現優於輝達GB300。
OpenAI晶片業務負責人**Richard Ho（何瑞哲）**表示，Jalapeño兼具高吞吐量與低延遲， 未來有望讓客戶在選擇模型時，可以依需求在「壓低成本」與「追求極速回應」之間做更細緻的權衡。
根據Ho說法，Jalapeño與Broadcom共同開發，並在700瓦運作功耗下達成上述成績。 對大型資料中心而言，電力成本是整體營運支出中的關鍵項目之一。
延伸閱讀： RWA 市場暴增 48.7%，但幾乎全靠一檔代幣撐起
輝達仍是關鍵供應商
這次對比也有明顯限制。
Jalapeño並未與輝達已開始出貨的更新一代Vera Rubin系列晶片同場測試， 且OpenAI這顆晶片鎖定的是推論（inference）應用，而非模型訓練（training）。 在高階訓練市場，輝達依舊是OpenAI的重要供應夥伴。
OpenAI同時也採用Cerebras Systems技術處理部分推論工作負載，特別是較小型模型； Ho指出，Jalapeño則可支援更大規模的模型。他表示：「我們對運算資源的需求實在太龐大。」
公開測試中，OpenAI使用了一款自家較小型的開源模型， 並搭配DeepSeek與Moonshot AI的模型做比對，其中在Moonshot較大型的Kimi模型上， Jalapeño的優勢更為明顯。第二代版本的研發已相當接近定案，預計數月內完成tape-out， 同時OpenAI也已著手進行第三代架構的概念設計。
這顆晶片延續了OpenAI與Broadcom在6月24日宣布的合作進度。 當時雙方表示，在OpenAI自家模型輔助下，Jalapeño從設計到完成製造tape-out僅花九個月時間， 那是第一代產品。
