OpenAI造芯，英伟达慌了吗？

大客户开始自己造芯片了，而且双方同时公布了各自的测试数据。

8月26日，OpenAI芯片业务负责人Richard Ho对外宣布，其与博通合作开发的推理芯片"Jalapeno"（墨西哥辣椒），在与英伟达当前旗舰GB300的对比测试中，在单位功耗算力与响应速度两项指标上取得了领先（据OpenAI官方博客及多家媒体报道）。同一天，英伟达发布财报，并在财报前首次公布了下一代旗舰机柜Vera Rubin NVL72的实测数据——对DeepSeek模型的智能体编码任务，每兆瓦吞吐量最高提升30倍（数据来自英伟达官方，为厂商自行发布的实验室测试结果）。

一边是最大客户宣布自研芯片在推理侧表现占优，一边是供应商发布新一代产品的实测成绩。两件事在同一天发生，意味着AI算力产业的“自研与供应”博弈进入公开举证阶段。

这篇文章想讲清楚三件事：Jalapeno的对比测试赢在哪、局限在哪；英伟达的Rubin数据为什么是针对推理市场的直接回应；以及那笔12GW、约6000亿美元的算力承诺，究竟是护城河还是风险敞口。

🌶️ 一颗叫“辣椒”的芯片，数据先说了话

搞芯片的人给项目起名一向克制，这次例外——Jalapeno，辣味十足。

按照OpenAI官方的说法，这颗芯片在与GB300的对比测试中拿下了两个关键指标：一是单位功耗能处理的AI工作量，即每瓦性能；二是响应速度，即推理延迟。Richard Ho表示：“通常一些芯片算力强，另一些擅长快速响应，但Jalapeno兼具两者。”

测试用的模型耐人寻味。OpenAI没有用自家闭源的旗舰模型，而是用了规模较小的开源模型GPT-OSS 120B，以及DeepSeek和月之暗面的第三方模型。在Kimi K2.5 1T这个万亿参数模型上，OpenAI称Jalapeno的优势更加明显。OpenAI还补充说，内部测试中，Jalapeno运行一些尚未发布的大型先进模型同样表现良好——暗示负载越重，这颗芯片的设计价值越大。

工程层面的关键数字是功耗：700瓦。在数据中心，电力是最大的运营成本之一，能在700瓦下跑出较强推理性能，意味着OpenAI可以压低单位token成本。Ho的表述是：高吞吐意味着以更低成本服务大量客户，低延迟意味着重视响应速度的客户能获得“非常快”的体验。

但有几点边界需要划清楚：

第一，Jalapeno没有被拿来与英伟达最新一代Vera Rubin对比——后者刚开始出货，两者不在同一代际。第二，Jalapeno不是为训练设计的，而训练恰恰是英伟达护城河最深的领域。第三，测试由OpenAI自行设计和执行，目前没有独立的第三方复测数据（据Semiconductor Advisors等多家分析机构指出，厂商自测芯片对比通常在各自最优配置下进行，结果可比性需要谨慎解读）。换句话说，OpenAI挑了一个自己最有把握的战场开打：推理。

“据多位接近人士的说法，定制ASIC在推理侧对抗通用GPU，本来就是业内公认胜率较高的打法——去掉通用性，换来能效，这是架构层面的先天优势。SemiAnalysis在去年的定制芯片行业报告中也曾指出，头部AI实验室的推理负载向专用芯片迁移是“确定性较高的趋势”。

📈 英伟达的回应：吞吐30倍，重新定义基准

英伟达的回应没有等太久。

就在财报发布前后，英伟达首次公布了Vera Rubin NVL72的片上实测数据，测试对象是DeepSeek-V4-Pro，运行智能体编码任务。结果：对比当前主力GB300 NVL72，每兆瓦吞吐量最高提升30倍，token成本最高下降35倍。这一数据同样来自英伟达官方口径，为厂商在特定负载下选取的最优结果。

需要指出的是，这类“最高提升30倍”的数据存在选择性呈现的空间——基准由厂商选定，负载条件未完全公开。但即便按保守口径折算，代际间的能效提升幅度依然可观（伯恩斯坦分析师Stacy Rasgon在财报点评中提醒投资者：“厂商发布的提升倍数应视为上限而非预期，实际部署增益通常低于宣传值”）。

把两代跨越放在一起看更有意思：从H200到GB300，真实Agent负载吞吐据称最高提升30倍，成本大致翻倍；从GB300到Vera Rubin，吞吐再提30倍，整机架价格再翻倍。按此粗略估算：价格贵了4倍，换来的速度提升可能在数百倍量级——这就是“黄氏定律”的现实版本：单套系统不便宜，但单位算力成本在快速下降。当然，这两个数据链条均出自英伟达，尚无独立机构的全套复测。

这里有个值得注意的战略信号：英伟达在这次实测中宣称“LLM时代结束，Agent时代降临，以前的AI跑分基准不再适用”。为什么挑Agent任务？因为智能体编码这类负载是推理侧最难、链路最长、对延迟和吞吐同时敏感的场景——这恰恰是Jalapeno宣称占优的领域。英伟达选择在OpenAI选定的推理战场上，交出了一份更大的数据。

而爬坡速度才是英伟达真正的底气。根据杰富瑞的分析，Vera Rubin NVL72沿用了GB200/GB300确立的72-GPU Oberon机箱形态，45摄氏度温水冷却可直接兼容现有液冷数据中心；装配层面改成无线缆、无软管、无风扇的模块化设计，计算托盘组装时间从约2小时压缩到5分钟。管理层预计C26年Rubin机架部署超1.3万个，C27年超过12万个（来源：英伟达财报电话会议纪要及杰富瑞研报，2026年8月）。

一个细节值得注意：据杰富瑞研报，前沿AI实验室这次大多预计从一开始就采用Vera Rubin，这与Blackwell初期的观望态度不同。英伟达的平台统治力，至少在训练侧，目前仍没有实质性对手。

但并非所有人都买账。Counterpoint Research的算力分析师在最新简报中提出质疑：“Rubin的实测数据选在OpenAI公布对比的当天发布，更像是竞争压力下的公关动作，而非常规的节奏。30倍吞吐提升建立在英伟达自己定义的Agent基准上——这个基准本身还没有被MLPerf等独立组织采纳。在独立验证出现之前，我们建议把两边的数字都打一个折扣。”而博通自己的财报电话会也透露了一个反向信号：除OpenAI外，至少三家超大规模客户正在博通处定制推理芯片——它们共同的参照系，都是英伟达的定价。

⚡ 12GW、6000亿美元：最深的绑定，最大的敞口

如果把OpenAI自研芯片看作“多元化宣言”，那英伟达手里的合同就是“长期协议”——而且条款相当苛刻。

8月17日，英伟达宣布与SB Energy达成协议，在俄亥俄州建设PORTS-Pike算力园区，OpenAI持有20年租约，英伟达是唯一算力供应商，并向SB Energy投资15亿美元（来源：英伟达官方新闻稿，2026年8月17日）。更关键的是管理层披露的数字：OpenAI现有及规划中的承诺规模已达约12GW、可扩展至16GW的英伟达算力，对应2030年前约6000亿美元的累计营收预期——这是英伟达迄今为止披露的最大单一客户承诺（来源：英伟达财报电话会议，CFO Colette Kress表述）。

这三个角色放在一起，构成了一张耐人寻味的三角关系图：

翻译成直白的话：OpenAI一边签下了行业史上最大的算力长约，一边和博通造自己的芯片，试图在推理侧对冲英伟达的议价权。而英伟达则通过租约结构和独家供应条款，把客户锁得更紧。杰富瑞点出了市场最担心的一点：该协议的会计处理与潜在或有负债披露方式，将是最大的风险变量之一。6000亿美元承诺本质上是OpenAI未来收入的预支——它拿什么偿还？答案是AI服务的订阅与API收入，而推理成本恰恰是这项业务最大的成本项。

这也解释了OpenAI为什么把造芯放在如此高的优先级：它不只是为了证明技术实力，更是为了保住毛利率。推理成本每降一分钱，那纸6000亿美元的承诺就多一分兑付的可能。Jalapeno由OpenAI决定哪些模型跑在上面，让客户可以选择低成本或高性能方案——这是典型的成本工程，而不只是性能工程。

不过，风险衡量的另一面同样存在。有分析师提醒，这种“客户自研+长期合同”的双轨结构并非没有先例：谷歌TPU与英伟达共存多年，亚马逊自研Trainium的同时仍是英伟达大客户。自研芯片替代的往往是增量需求，而非存量订单——真正的问题在于OpenAI的收入增速能否追上算力承诺的扩张速度。这一判断目前无法验证，需要观察其未来几个季度的收入披露。

🔀 分层的市场：英伟达守训练，自研芯片抢推理

跳过宣传层面的交锋，看产业结构，会发现这场对抗其实符合分工规律。

前沿模型的训练需要极致的通用性、紧耦合的互联和顶级的软件生态——NVLink、CUDA、整机架方案，这些是英伟达十年积累的壁垒。前沿实验室从一开始就采用Vera Rubin，说明训练侧目前没有第二选择。定制ASIC在训练侧挑战英伟达，历史上还没有成功案例。

但推理侧完全是另一幅图景。推理负载边界清晰、对成本极度敏感、模型架构相对稳定，这正是ASIC的用武之地。Jalapeno的路径很典型：博通为众多客户生产定制芯片，合作于去年宣布、今年6月宣传“创纪录的开发速度”、年底投入使用——不到两年走完从立项到部署的全流程（来源：博通2026年6月财报电话会议及双方公开声明），这个速度本身就是对英伟达一年一代节奏的直接回应。

pie title 推理方案的成本逻辑分层

"通用GPU旗舰机柜（峰值性能/最重负载）" : 35

"通用GPU中端型号（均衡负载）" : 30

"定制ASIC（稳定大流量推理）" : 25

"CPU+小型加速器（轻量边缘推理）" : 10

这个分层的含义是：推理市场大概率不会是赢家通吃。最前沿、负载最不确定的任务仍会留在通用GPU上；而规模大、边界清晰、成本敏感的流量，会持续向定制ASIC迁移。OpenAI和英伟达各自守住自己最擅长的一段，同时在对方腹地试探边界。

写在最后

同一天、两份测试数据、两种叙事，这不是偶然的撞车，而是产业话语权的一次公开对峙。

但把双方口径都还原一遍之后，结论可能比标题党冷静得多：Jalapeno在自选测试中赢得了推理能效，但它没有触碰训练，也没有通过独立验证；Rubin的30倍数据 spectacular，但基准由发布方自己定义。真正值得盯住的不是任何一方的跑分，而是三件事：独立基准组织何时给出复测结果、英伟达财报中那笔6000亿美元承诺的会计披露方式、以及OpenAI推理业务的收入与成本曲线何时第一次交叉。

芯片战争的胜负，从来不写在发布会PPT上，而写在几年后的数据中心电费单和财报毛利栏里。