OpenAI 指出，其自家開發的 Jalapeño 推理晶片在 700 瓦功耗下，於兩項推理基準測試中擊敗 Nvidia GB300，計劃於 2026 年稍後時間投入更大規模部署，以壓低運算成本並加快 AI 回應速度。
重點摘要：
- OpenAI 稱 Jalapeño 在測試中於「每單位功耗吞吐量」及「回應延遲」上領先 Nvidia GB300。
- 這枚 700 瓦推理晶片，旨在在加快服務 AI 模型同時，降低數據中心營運成本。
- Jalapeño 並非為模型訓練而設，亦未與 Nvidia 較新一代 Vera Rubin 晶片正面對比。
OpenAI 基準測試細節
OpenAI 在一份聲明中表示，其客製化 Jalapeño 處理器在測試中，於兩大指標上勝過 Nvidia GB300：一是每單位功耗可完成的 AI 工作量，二是系統回應結果的速度。
OpenAI 晶片業務主管 Richard Ho 指出，Jalapeño 將高吞吐量與低延遲結合，未來可讓客戶按需要選擇偏向「壓低成本」或「極速回應」取向的模型方案。
Ho 稱，Jalapeño 與 Broadcom 合作研發，在 700 瓦功耗下達到上述測試表現。功耗一直是數據中心最大成本之一，能源效益成為關鍵競爭點。
延伸閱讀：RWA 市場飆升 48.7%，但幾乎全由一枚代幣帶動
Nvidia 仍是關鍵供應商
是次比較亦有其限制。
Jalapeño 並未與 Nvidia 已開始出貨的最新一代 Vera Rubin 晶片作對比；此外，OpenAI 晶片是為推理（inference）場景設計，而非承擔大型模型訓練工作。Nvidia 仍然是 OpenAI 的關鍵晶片供應商之一。
除自家方案外，OpenAI 亦有使用 Cerebras Systems 技術處理部分推理工作，特別是較小型模型；Ho 表示，Jalapeño 則可承載更大模型。他坦言：「我們對算力的需求實在太大。」
公開測試方面，OpenAI 使用了一款自家規模較細的開源模型，同時加入 DeepSeek 及 Moonshot AI 的模型作比較；Jalapeño 的優勢在 Moonshot 較大型的 Kimi 模型上更為明顯。Ho 又透露，第二代晶片研發已進入後期，預期數月內完成 tape-out（定版流片），而第三代方案亦已展開概念設計工作。
Jalapeño 晶片是繼 OpenAI 與 Broadcom 於 6 月 24 日公布合作後的進一步落實。當時雙方表示，在 OpenAI 模型輔助設計下，Jalapeño 第一代晶片由構思到完成製造用的 tape-out 僅耗時九個月，顯示開發節奏明顯加快。
