OpenAI造芯上桌，英伟达慌不慌？
OpenAI公布自研推理芯片Jalapeno，称在能效与响应速度上击败GB300；同日英伟达亮出Vera Rubin实测，每兆瓦吞吐提升30倍。一场围绕口径、账本与6000亿美元绑定关系的算力攻防战，正在重新定义AI芯片的竞争规则。
8月26日这天，算力江湖上演了一出精彩的双簧戏。
上午，OpenAI高调宣布自研芯片Jalapeno在测试中击败英伟达GB300；傍晚，英伟达回手就是一记重拳——首次公开下一代旗舰Vera Rubin NVL72的实测数据，每兆瓦吞吐量对比GB300最高飙升30倍。
一边是买方开始自造武器，一边是卖方加速迭代收割。本文核心判断是：这未必是简单的挑战者叙事，而更像是AI算力产业正在发生的结构性分野的早期信号——训练仍归英伟达，而推理的定价权，可能正在松动。
🌶️ 一颗辣椒，把英伟达架上了火上
任何行业变革的信号，往往都藏在一次“顺手”的对比测试里。
据财联社8月26日报道（原始信源为Richard Ho接受外媒采访的公开表态），OpenAI芯片业务负责人Richard Ho在接受采访时确认，新款自研芯片Jalapeno（墨西哥辣椒）在与GB300的对比测试中，在两个关键指标上占据优势：单位功耗所能处理的AI工作量，以及响应速度。GB300被明确视为英伟达当前最领先的产品——也就是说，OpenAI挑的对手是现任机皇。
“信源说明：上述对比测试数据均来自OpenAI单方披露，为内部实验室测试结果，目前尚无第三方独立复现。
更值得注意的是芯片本身的成色：功耗仅700瓦。Richard Ho的原话很直白：在实验室测试中，Jalapeno在高吞吐量领域表现强劲，能以更低成本服务大量客户；同时在低延迟领域也表现出色，“响应时间将非常非常快”。对数据中心而言，电力是最重要的成本之一，能效就是真金白银。
先厘清这颗芯片的底细（信息综合自财联社报道及OpenAI此前公开表态）：
| 维度 | 信息 |
|---|---|
| 定位 | AI推理专用芯片 |
| 功耗 | 700瓦 |
| 合作方 | 博通（双方于去年宣布合作，博通方面今年6月称以创纪录速度完成开发） |
| 公开测试模型 | GPT-OSS 120B、DeepSeek、Moonshot AI模型 |
| 优势指标 | 单位功耗工作量、响应速度（OpenAI自述口径） |
| 明确局限 | 未对比Vera Rubin；并非为训练设计 |
产业逻辑很清楚：据OpenAI方面公开披露，其与博通合作打造自有AI基础设施，计划今年晚些时候让Jalapeno为自家AI模型提供支持，并由OpenAI决定哪些模型跑在这颗芯片上——让客户按需求选择低成本或高性能方案。这是典型的推理侧成本自卫战：当推理开销成为运营最大变量时，把这部分利润从供应商口袋里拿回来，是每一家超大规模玩家的本能。
但冷静看，这颗辣椒的辣度需要打个折：它没有和刚出货的Vera Rubin过招，也不碰英伟达最擅长的训练阵地。
📏 跑分这件事，口径比数字重要
所有漂亮的对比测试，都始于一个精心选择起跑线的裁判。
OpenAI这次公开测试用的模型阵容颇可玩味：自家的开源模型GPT-OSS 120B，以及DeepSeek和Moonshot AI的第三方模型。据OpenAI披露，在Moonshot的Kimi K2.5 1T上，Jalapeno的优势更为明显。OpenAI还补充称，内部测试中运行一些尚未发布的大型先进模型同样表现良好，随着工作负载更大更复杂，芯片设计“价值将进一步提升”。（信源：OpenAI/Richard Ho采访，转引自财联社2025-08-26报道）
翻译一下：基准是自家生态，赛道是推理，对手是上一代旗舰。这三重选择叠加，构成了一个对Jalapeno比较有利的叙事框架。
但OpenAI也没有撒谎——它披露的每一个事实都成立，只是组合方式决定了观感。Richard Ho说了一句很有信息量的话：通常情况下，一些芯片拥有更强的处理能力，另一些更擅长快速响应，而Jalapeno兼具两者。这句话背后的技术判断是：在速度上的优势，让OpenAI可以实现过去只有采用不同内存类型和芯片架构的处理器才能达到的效果——一颗芯片打通吞吐与延迟两个场景，若属实，这在推理ASIC的设计上是相当激进的取舍。
一个简单的供应链图谱（基于公开信息整理）：
从已有公开信息看，定制ASIC在推理场景打平甚至超越通用GPU并非首次出现——谷歌TPU、亚马逊Trainium等自研芯片都曾发布过类似的能效对比数据（同样多为自述口径）。真正的新闻是OpenAI敢拿内部测试数据公开对表英伟达现任旗舰——这既可能是技术自信，也可能是商业谈判筹码。别忘了，据双方此前公开信息，OpenAI与英伟达之间签有大额算力采购承诺，此时公布跑分，时机本身就是语言。
🚀 英伟达的反手一巴掌：30倍吞吐
被打者最体面的回应方式，是掏出更大的拳头。
就在Jalapeno消息发酵的同时，据英伟达官方披露（财报电话会及配套材料），公司公布了Vera Rubin NVL72机柜的实测数据，演示任务为智能体编码工作负载：对比GB300 NVL72，每兆瓦吞吐量最高提升30倍，Token成本最高下降35倍。同样需要标注的是：这是英伟达单方披露的数据，对比口径由英伟达自行设定，尚未见第三方基准机构的独立验证。
把英伟达自家披露的三代数据摆在一起（数据均来自英伟达各代发布时的官方口径，代际口径未必完全可比）：
| 机型 | 对比基准 | 每兆瓦吞吐 | 成本/价格 |
|---|---|---|---|
| H200 | — | 基准 | 渠道参考价约三万美元一张（非官方定价，市场成交价随行就市） |
| GB300 NVL72 | 对比H200 | 最高提升30倍（官方口径） | 成本大致翻倍 |
| Vera Rubin NVL72 | 对比GB300 | 最高再提升30倍（官方口径） | 整机架价格大致再翻倍 |
若两代披露口径可比，按官方数字简单换算：从H200到Rubin NVL72，每兆瓦吞吐量在纸面上最高可放大至数百倍，而对应的采购成本也相应抬升——纸面性能与账单同步膨胀，这正是需要第三方验证去厘清的地方。
更关键的是工程层面的变化：据英伟达官方技术披露，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；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，以中央PCB取代Blackwell时代大量手动安装的NVLink线束——计算托盘组装时间从约2小时压缩至5分钟（英伟达自述数据）。这是典型的平台化打法：不做激进架构冒险，把爬坡速度做到极致。
英伟达还顺势抛出了一个前瞻判断：Agent工作负载正在取代纯LLM推理成为主流，以此论证传统LLM跑分基准的局限。翻译成人话：从H200到GB300再到Rubin，跑分对象从语言模型换成了智能体工作负载——而这恰恰是Jalapeno这类推理芯片尚未充分证明自己的战场。当然，这一判断本身就是英伟达叙事的一部分，读者可自行掂量。
📈 爬坡与账本：Rubin节奏与6000亿美元承诺
比跑分更沉重的，是财报电话会上的账本。
英伟达于8月26日发布季度财报。据杰富瑞（Jefferies）研报，其预计7月季度营收达950亿美元，高于一致预期的919亿美元，环比增长约16%；10月季度指引料为1080亿美元。（信源：杰富瑞研报，2025-08，系分析师预估而非公司实绩。）市场真正的焦点已从业绩本身转向两条主线：Rubin的放量节奏，以及与OpenAI超大规模算力承诺的会计处理。
据杰富瑞研报整理的Rubin爬坡时间表如下（以下均为分析师预估，非英伟达官方指引）：
量产出货启动
GPU营收占比约12%
占比升至40%以上
出货量达200万片
超越Blackwell成主导
杰富瑞预计，C26年Rubin机架部署规模可达约1.3万个以上，C27年超过12万个；据其转述的供应链信息，Rubin供应链规模约为Grace Blackwell的两倍，覆盖30个国家、350家工厂；其接触的供应链观点认为前沿实验室大概率会从一开始便采用Vera Rubin——这与Blackwell初期的观望态度形成对比。此外，该行估算Vera CPU还有200亿美元的结构性机会。以上均为第三方分析师观点。
而另一头，是8月17日公布的合作：据各方公开新闻稿，英伟达与SB Energy合作在俄亥俄州建设PORTS-Pike算力园区，OpenAI持有20年租约，英伟达为算力供应商，并向SB Energy投资15亿美元。据英伟达管理层在公开渠道透露，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——若兑现，将是迄今披露的最大单一客户承诺。
这两组数字放在一起，画面就立体了：一边是史上罕见的客户绑定，一边是这个最大客户刚公布了自研芯片的跑分优势。杰富瑞特别提示，该协议的会计处理与潜在或有负债披露方式，将是市场最关注的风险变量之一。说白了：买方越强势，卖方收入确认的质量就越值得盯着看。
⚠️ 推理战国：定制芯片的第二条曲线
把镜头拉远，这场比赛才刚刚进入下半场。
越来越多的公司正在开发自研AI芯片，而这一领域目前仍由英伟达占据主导地位。但主导的内涵正在被重新定义：训练侧，英伟达的CUDA生态、NVLink互连与系统级工程能力依然占据明显优势；推理侧，游戏规则不同——负载可预测、模型迭代快、对单位成本敏感，这正是定制ASIC理论上占优的战场。博通为众多客户生产定制芯片，公开信息显示其超大规模客户在持续增加，OpenAI只是最新的那一个。
OpenAI自己给出的产品策略也印证了这一分工：由OpenAI决定哪些模型采用Jalapeno运行，让客户按需选择较低成本或较高性能的方案——自家芯片打成本盘，英伟达打性能盘，两条腿走路，把议价权尽量握在自己手里。需要说明的是，这一策略目前仍停留在计划和早期测试阶段，实际落地效果有待观察。
对英伟达而言，真正的护城河或许不是单点跑分，而是代际切换速度：Rubin沿用既有机架形态、组装时间压缩（官方口径）、供应链扩张（分析师预估）、以及客户粘性——它赌的是当对手还在验证第一代自研芯片时，自己已经卖出了数量可观的下一代产品。对OpenAI而言，Jalapeno哪怕只覆盖自家推理负载的一部分，节省的都可能以电力开支计，这笔账从商业逻辑上并不难算——前提是芯片量产后的实际能效与实验室数据一致。
结语。 8月26日的双簧，更像是一次AI算力产业权力结构的公开预演：买方用自研芯片争取推理定价权，卖方用更快的代际节奏巩固训练霸权。Jalapeno赢在叙事口径，Rubin赢在披露规模，但两者都还停留在“自说自话”的阶段——真正的裁判，是未来两年数据中心的电表和资产负债表。
至于推理定价权是否真的松动，现在下结论为时尚早。可以观察到的是：当最大的客户开始自研芯片、当卖方开始用“上一代对标上一代”的方式互相定义战场，说明推理环节的竞争烈度已经升到了新量级。战国时代是否开幕，让数据说话。
📚 信源说明
| 关键信息 | 信源 | 性质 |
|---|---|---|
| Jalapeno对比GB300测试结果、Richard Ho表态 | 财联社2025-08-26报道，转引Richard Ho接受外媒采访 | OpenAI单方披露，无第三方验证 |
| Jalapeno功耗700瓦、合作方博通、测试模型列表 | 同上，及博通此前公开表态 | OpenAI/博通官方口径 |
| Vera Rubin NVL72吞吐30倍、成本下降35倍 | 英伟达财报电话会及官方技术材料（2025-08-26） | 英伟达单方披露，无第三方验证 |
| Rubin组装时间2小时→5分钟、Oberon机箱沿用 | 英伟达官方技术披露 | 官方口径 |
| 杰富瑞对营收、Rubin爬坡、供应链的预估 | 杰富瑞研报（2025-08） | 第三方分析师预估，非公司指引 |
| OpenAI与SB Energy/英伟达合作、15亿美元投资 | 各方2025-08-17公开新闻稿 | 官方公告 |
| 12–16GW算力承诺、2030年前约6000亿美元营收 | 英伟达管理层公开表态 | 官方口径，为远期预估而非既成事实 |
| H200约三万美元单价 | 市场渠道价格参考 | 非官方定价，随行就市 |
（注：文中所有跑分与性能数据均来自OpenAI或英伟达单方披露，对比口径由披露方自行设定，且两家数据互不直接可比；分析师预估不代表公司指引。请读者保持工程师式的怀疑精神，以第三方独立基准与实际交付数据为准。）