OpenAI自研Jalapeño芯片实测 700W能效超GB300

700 瓦。

这是 OpenAI 在 Hot Chips 大会上抛出的核心数字，也是它自研推理芯片 Jalapeño 全部叙事的起点。作为对比，被它拿来对标的英伟达 GB200 与 GB300 机架系统，加速器额定功耗分别为1200W 和1400W。

一颗功耗只有对手一半的芯片，凭什么说自己更快？

OpenAI 给出的答案是"单位功耗下的产出"。在 SemiAnalysis 公开的 InferenceX 测试套件中，Jalapeño 系统的单位千瓦吞吐量比英伟达机架高出1.5至1.9倍，端到端延迟低1.7至3.6倍；在超低延迟工作点上，速度优势扩大到2.1至4.1倍。测试覆盖三款开放模型：GPT-OSS 120B、DeepSeek R1 670B，以及 Moonshot AI 的万亿参数模型 Kimi K2.5。更极端的对比出现在最激进的低延迟设置下，OpenAI 称其单位千瓦吞吐量优势可放大到数十倍量级。

而且700W 还是标称值。实测中，Jalapeño 在被测负载下的持续功耗保持在550W 以内。部署形态上，它将以每机架128颗芯片的方式组建，计划2026年底开始在 OpenAI 自有数据中心投入使用，第二代产品已接近流片。

既然自研这么好，是不是要少买英伟达了？

OpenAI 的回答是否定的。公司方面表示，自研芯片只是整体算力战略的一环，与英伟达、Cerebras 等供应商的合作会继续；至于对外销售芯片的可能性，回应更直白——内部算力需求本身就填不满，谈不上外供。

这个表态并非客套。当前 HBM 供应极度紧张，三星、SK海力士、美光的产能已售罄至2027年。Jalapeño 若真要铺开到 OpenAI 与博通此前签署的10GW 部署协议规模，它自己就会成为 HBM4 供应链上一个体量惊人的新增需求方，而这块蛋糕目前主要被英伟达通过多年期分配协议锁定。

这颗芯片由 OpenAI 主导架构设计、博通负责硅片实现、Celestica 参与整机与机架集成，是一条典型的"模型厂商定义硬件"路径。

对绝大多数服务器租用用户来说，Jalapeño 本身没有直接影响，但它折射出的成本结构变化值得留意。

当推理芯片把每 token 的电力成本压低一个量级，AI 服务的边际成本随之下降，更多中小企业会把 AI 能力嵌进自有业务系统。而这些应用的前端承载、API 网关、会话缓存、日志与数据层——依然跑在普通服务器上。AI 芯片越强，配套的通用计算与网络出口需求反而越旺，这是过去两年已经被反复验证的规律。

另一面则不太乐观：HBM 与 DDR5 产能持续向 AI 加速器倾斜，常规服务器的内存成本压力短期内不会缓解，这一点在 OVHcloud、Hetzner 今年的调价动作中已经充分体现。有中长期需求的用户，不妨优先考虑年付锁价的方式对冲波动。SellBGP 的美国服务器与香港服务器均提供长期租约方案。



声明：本文由SellBGP编辑部依据公开渠道信息独立撰写。转载请注明出处。