OpenAI试图自己定义算力
OpenAI的首款自研推理芯片Jalapeño公布了首批样片成绩。测试覆盖GPT-OSS 120B、DeepSeek R1和Kimi K2.5 1T：在对比系统上，每瓦完成的AI工作量高出1.5至1.9倍，端到端延迟降低1.7至3.6倍。
过去，模型公司主要向芯片公司采购算力，再靠软件把硬件效率尽量挤出来。Jalapeño把模型、内核、内存、网络、调度和产品需求放进同一套设计里。
OpenAI知道ChatGPT和Codex每天怎样消耗算力，就能围绕真实负载减少数据搬运，在吞吐、延迟和功耗之间做更精细的取舍。
这意味着AI竞争开始从“谁能买到更多GPU”，走向“谁能把整套推理系统经营得更好”。对OpenAI，省下的每一瓦电都可能变成更多可售卖的Token、更快的回答和更稳定的服务。对英伟达，压力也从单颗芯片参数扩展到客户会不会把最有价值、最稳定的推理负载留给自研芯片。
SemiAnalysis在实验室见证了部分测试，但数据由OpenAI提供，完整测试套件和面向长上下文、多轮智能体的AgentX结果尚未公开。Jalapeño目前还是工程样片，量产良率、软件成熟度、可靠性和机群总成本，都要等规模部署验证。
它与英伟达Blackwell的对比很抢眼，但真正同代的对手已经转向Rubin。
普通用户不用研究芯片架构，只要观察回答有没有更快，高峰期是否更稳定，API价格能否下降。自研芯片的价值，最终要体现在用户能感受到的产品变化上。