OpenAI芯片上桌，英伟达慌不慌？
OpenAI联合博通打造的推理芯片Jalapeno公开叫板GB300，700瓦功耗下能效与响应速度双优。但对比避开了刚出货的Vera Rubin，训练更是碰都不敢碰。本文拆解这场罗生门背后的真实格局：推理市场分层已至，训练护城河仍在，英伟达与最大客户的博弈进入深水区。
导语
8月26日，OpenAI芯片业务负责人Richard Ho对外宣布：自研推理芯片「Jalapeno（墨西哥辣椒）」在能效与响应速度两项指标上击败英伟达GB300。同一天，英伟达发布财报，Vera Rubin爬坡与对OpenAI约12GW、对应2030年前约6000亿美元营收的算力承诺成为焦点。
一边是最重要客户自研芯片「上桌」，一边是新一代机皇火力全开。这不是一场简单的性能对决，而是AI算力产业链权力结构的一次压力测试。
🌶️ 一颗叫辣椒的芯片，凭什么叫板机皇
芯片圈起名字，一向内卷。英伟达用物理学家，OpenAI直接上了餐桌——Jalapeno，墨西哥辣椒。
这颗辣味十足的芯片，是OpenAI与博通合作开发的定制AI处理器。两家公司去年宣布合作，今年6月还高调宣传其「以创纪录速度完成开发」。按Richard Ho的说法，测试中Jalapeno在两个指标上占据优势：单位功耗能处理的AI工作量，以及响应速度。
几个关键数字值得细品：
- 功耗700瓦，在低功耗下实现强劲性能，直接指向数据中心最大的运营成本——电费；
- 测试使用自家开源模型GPT-OSS 120B，以及DeepSeek、Moonshot AI的第三方模型，其中在Kimi K2.5 1T上优势更为明显；
- 定位纯推理：模型训练完成后，根据用户提示生成响应、执行任务的阶段。
Ho的表述很有意思：通常一颗芯片要么吞吐强、要么响应快，而Jalapeno「兼具两者」。翻译成产业语言就是——高吞吐意味着以更低成本服务海量客户，低延迟意味着重视响应速度的客户体验更快。一句话，推理市场两头通吃。
⚠️ 击败GB300？先看看对手席上缺了谁
金句是这么说的：测试报告的第一生产力，是选择对手的能力。
冷静看，这场「胜利」有三处留白。
第一，Jalapeno并未与英伟达最新一代Vera Rubin芯片对比——后者刚刚开始出货。拿现有旗舰GB300当靶子，叙事上安全，信息上保守。
第二，Jalapeno并非为训练设计，而训练恰恰是英伟达技术最擅长的领域之一。也就是说，这场对比刻意避开了英伟达CUDA生态和NVLink互联壁垒最深厚的战场。
第三，测试由OpenAI自报，模型、负载、口径均由乙方自己定。业内私下流传的一句话很到位：「自研芯片吊打供应商，这剧本每年都有人写，关键看敢不敢让第三方跑一遍。」
当然，OpenAI也留了一个伏笔：内部测试显示，Jalapeno运行尚未发布的大型先进模型同样表现良好，随着工作负载变大变复杂，设计价值将进一步提升。这话指向明确——推理负载正在从聊天机器人走向Agent时代，而Agent对长上下文、高并发的需求，恰好是定制芯片可以针对性优化的地方。
| 维度 | Jalapeno | GB300 | Vera Rubin |
|---|---|---|---|
| 定位 | 纯推理 | 训练+推理全能 | 下一代全能旗舰 |
| 对比结果 | 能效/响应占优 | 作为基准被打 | 未参与对比 |
| 出货状态 | 年内启用 | 现役主力 | 刚开始出货 |
📈 Rubin爬坡：英伟达的答案是工程暴力
金句换个方向：你优化一颗芯片，我把整个机架当成一颗芯片来造。
英伟达的首测数据堪称炸裂：用Vera Rubin NVL72跑DeepSeek的智能体编码任务，对比GB300 NVL72，每兆瓦吞吐量最高飙升30倍、Token成本最高暴降35倍。有人惊呼「我连骗投资人的PPT都不敢这么写」。
支撑这个数字的，不是某个神奇单元，而是系统级工程暴力：
- 沿用GB200/GB300确立的72-GPU机箱形态，45摄氏度温水冷却直接兼容现有液冷数据中心；
- 计算托盘与NVLink交换机托盘改为无线缆、无软管、无风扇的模块化设计，组装时间从约2小时压缩到5分钟；
- 供应链覆盖30个国家、350家工厂，规模约为Grace Blackwell的两倍。
杰富瑞预计，Rubin系列在F3Q27的GPU营收占比约12%，F4Q27攀升至40%以上，F1Q28成为超越Blackwell的拐点，出货量达200万片；C26年机架部署约1.3万个以上，C27年超过12万个。所有前沿实验室预计从一开始就采用Vera Rubin——这与Blackwell初期情况不同。
一句话，英伟达用「一代平台、两次翻倍」的节奏，把追赶者按在时间差里打。
💡 6000亿美元大单背后的权力翻转
这一节才是真正的看点：客户和供应商，正在互为筹码。
8月17日，英伟达宣布与SB Energy合作在俄亥俄州建设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。管理层透露，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6000亿美元累计营收——迄今披露的最大单一客户承诺。
OpenAI与博通宣布合作
双方宣传创纪录研发速度
英伟达与SB Energy签俄亥俄协议
Jalapeno公开对比与英伟达财报同日发布
把时间线摆在一起看，戏剧性拉满：同一家OpenAI，一边给英伟达签下史上最大算力承诺，一边公开自研芯片击败GB300。这不是背叛，这是超大客户的标准操作——用自研筹码压采购价，用采购规模养自研量产。
杰富瑞提醒，该协议的会计处理与潜在或有负债披露方式，是市场最关注的风险变量之一。6000亿美元不是已落袋的现金，而是未来数年的预期账单，取决于OpenAI自身的融资与收入兑现能力。AI算力生意越做越大，资产负债表上的耦合也越来越深。
🔋 分层市场：自研芯片真正啃下的是哪一块
金句收束：训练是信仰，推理是生意；信仰难撼，生意先松动。
OpenAI的策略已经很清晰：OpenAI将决定哪些模型用Jalapeno运行，让客户按需求选择较低成本或较高性能的方案。这是教科书级的算力分层运营——成熟、确定的推理负载迁往自研芯片，压低单位Token成本；前沿、多变的训练负载继续依赖英伟达最新平台。
对英伟达而言，短期伤害有限。Rubin首测主打的就是Agent时代推理（DeepSeek-V4-Pro智能体编码，吞吐30倍提升），说明它不会把推理市场拱手让人；200亿美元目标的Vera CPU、约12万个机架的部署规划，都在把护城河从单颗GPU扩展到整机架、整个数据中心。
但长期看，信号不容忽视：越来越多公司开发自研AI芯片，博通的定制芯片生意越滚越大，而推理恰恰是定制ASIC性价比优势最明显的场景。据多位接近人士的说法，头部大厂内部测算的口径已经从「能不能用自研」变成了「多少比例必须留在自研」。
小结
Jalapeno的「击败GB300」，更像一次精心编排的谈判桌动作：不碰训练、不打Rubin、自报口径，却足以让英伟达在下一轮定价时多掂量几分。而英伟达的回应也毫不含糊——30倍吞吐、35倍降本、200万片出货预期，用系统级工程暴力续写摩尔节奏。
接下来值得盯三个变量：Jalapeno年内上量后的真实稳定性、Rubin F1Q28拐点兑现度、以及那纸12GW协议的会计披露。AI算力的故事，正从「谁更快」转向「谁更省、谁更稳」——而这，恰恰是定制芯片最擅长的剧本。