OpenAI在Hot Chips 2026上推出了700W的Jalapeño ASIC，声称其每千瓦吞吐量比1,400W的英伟达GB300高出1.9倍，延迟降低3.6倍，并由Broadcom联合开发。

在英伟达（Nvidia）同意为其数据中心提供高达1050亿美元的融资担保仅仅一周后，OpenAI于周二在Hot Chips大会上亮相，宣称其首款自研芯片的基准测试性能优于英伟达最新的机架系统。该芯片由OpenAI与博通（Broadcom）联合开发，名为Jalapeño推理专用集成电路（ASIC）。与英伟达的GB200和GB300配置相比，Jalapeño每千瓦吞吐量提高了1.5至1.9倍，端到端延迟降低了1.7至3.6倍。在使用SemiAnalysis公开的InferenceX套件进行的测试中，功耗为700瓦的Jalapeño与额定功率为1200瓦和1400瓦的加速器进行了对比。OpenAI计划在今年晚些时候开始在自有数据中心部署该芯片。

此次评估涵盖了三个开源权重模型：GPT-OSS 120B、DeepSeek R1 670B以及月之暗面（Moonshot AI）拥有1万亿参数的Kimi K2.5。OpenAI报告称，在低延迟运行点下，其性能优势最为显著，声称每千瓦吞吐量比GB300最快的前一个令牌间时间设置快了8.6至104.3倍。

虽然OpenAI将结果标准化为每个加速器公布的封装热设计功耗（TDP），但该公司指出，在测试期间Jalapeño的实际持续功耗保持在550瓦或以下。附录分析比较了每个加速器的总公用事业电力——Jalapeño为1.18千瓦，而GB300为2.55千瓦——这使得性能差距缩小。同样，当将Jalapeño与配置用于多令牌预测的GB300进行基准测试时，OpenAI的最高效率优势收缩至约1.5倍。

这些结果附带几个重要的注意事项。Jalapeño并未与Vera Rubin进行测试对比，后者是英伟达的平台，预计将为OpenAI同意在2026年下半年部署的首批吉瓦级系统供电。此外，该芯片不支持训练工作负载，而在这一领域英伟达的硬件仍占据主导地位。主要的对比也将Jalapeño的单令牌预测与运行相同任务的GB300设置进行了匹配，尽管生产部署通常利用多令牌预测。SemiAnalysis与OpenAI工程师在公司实验室共同进行了InferenceX测试，将该硅片描述为“击败了我们能够测试的每一款英伟达、AMD和谷歌芯片”。

今年6月发布的每个Jalapeño封装，在经过九个月的RTL到流片周期后，将其计算芯片与六个HBM4堆栈配对，提供216 GiB的内存，带宽为15.4 TB/s。相比之下，GB300在1400瓦的额定功率下搭载288GB的HBM3E，这意味着Jalapeño每瓦额定功率提供的内存大约多出50%。根据OpenAI在Hot Chips大会上的演示，该架构的主要瓶颈在于暴露聚合HBM带宽，而非增加原始容量。

高带宽内存（HBM）仍然是半导体行业最紧缺的商品。三星、SK海力士和美光已经售出了它们直到2027年的HBM产能。短缺严重到英伟达据报正在测试降级版的Rubin Ultra配置，其内存低至192GB；SK海力士首席执行官郭诺正（Kwak Noh-jung）警告称，2027年将是短缺的高峰期。在8月23日的同一场Hot Chips会议上，美光指出，对于同等容量而言，HBM消耗的晶圆面积大约是DDR5的三倍——随着每一代的发展，这一惩罚性成本会进一步扩大。如果按照OpenAI去年10月与博通签署的10GW部署协议来扩展Jalapeño的规模，将使该公司成为HBM4供应的重要新需求方，而目前HBM4供应主要由英伟达通过多年期分配协议控制SK海力士所主导。

开发速度正在超越初始发布阶段。据彭博社报道，第二代芯片将在几个月内接近流片，第三代的概念工作也在进行中。据报道，第一代产品采用台积电3纳米级工艺，使OpenAI在可预见的未来继续处于与Blackwell和 Rubin相同的晶圆、内存和先进封装队列中。

OpenAI正在确保这些关键投入的同时，加深其对刚刚进行基准测试的那家公司的财务依赖。8月17日，英伟达同意为位于俄亥俄州、由OpenAI租赁的数据中心园区提供高达1050亿美元的融资。“英伟达是一个非常优秀的合作伙伴，我们确实需要大量的英伟达产品，”OpenAI硬件副总裁Richard Ho在宣布此事后告诉彭博社。