当地时间 8 月 25 日，OpenAI 在 Hot Chips 大会上交出首颗自研推理芯片 Jalape ñ o（墨西哥辣椒）的实测成绩单：在吞吐、能效、延迟三项指标上，全面反超英伟达 GB200 与 GB300。

先看几组数字。

单用户出词速度，Jalape ñ o 每秒吐 1459 个 Token，GB200 是 535 个；

跑完同一个任务，Jalape ñ o 用 1.65 秒，GB300 花了 5.99 秒。

功耗差得更直观：标称 700 瓦对 1400 瓦，实测持续功耗还压在 550 瓦以内。

（来源：X）

著名半导体分析师 Dylan Patel 更是直接放出狠话，「被掀翻的不只是 Blackwell，就连英伟达 Rubin 芯片也被超越了」！

测试由 SemiAnalysis 的 InferenceX 基准支撑，覆盖 GPT-OSS 120B、DeepSeek R1 670B 和 Kimi K2.5 1T 三款公开模型。

结论是每瓦 AI 工作负载提升 1.5 至 1.9 倍，端到端延迟降低 1.7 至 3.6 倍，高度交互式负载下优势扩大到 2.1 至 4.1 倍。

（来源：X）

从设计到流片，OpenAI 只用了 9 个月，业内常见周期是 18 到 36 个月。

其中的秘诀是：把自家最强模型 GPT-Astra（外界一直传的 GPT-6）和 Codex 请进了流片室。AI 辅助设计让 SIMD 单元面积减少 8%、矩阵引擎面积减少 10%，在注意力与 MoE 模块上，AI 生成的代码跑得比人类顶尖专家快 1.5 到 1.8 倍。AI 设计芯片，芯片跑 AI，AI 再回头优化芯片上的 AI，这个飞轮已经转起来。

硬件规格同样顶到极限。主计算 die 约 840 平方毫米，距 EUV 掩模版极限 858 平方毫米只差 18 平方毫米，配 6 颗 HBM4、共 216GiB、15.4TB/s，每瓦 HBM 带宽 22，第二名 Rubin 是 11.1，GB300 只有 5.71。

成本这边，SemiAnalysis 估算每芯片每小时总拥有成本 1.56 美元，与 H100 的 1.55 美元几乎持平，Vera Rubin 是 3.61 美元。

这是 OpenAI 与博通合作的产品，两家去年 10 月签下 10GW 定制加速器大单。量产 2027 年逐步爬坡，下一里程碑是 100 兆瓦，Gen2 已在深度开发、Gen3 正在成形，2026 年底先部署进 OpenAI 自己的数据中心。

SemiAnalysis 顺势下了一个惊人的判断：CUDA 的护城河可能已经死了。

英伟达 Rubin 比 Jalape ñ o 早一个月完成 CoWoS 流片，外界能看到的成绩却只有 CoreWeave 工程样片那点数据，英伟达并没有像 OpenAI 这样把第三方放进实验室随便测。

但是另一边，这家 " 掀桌 " 的公司和英伟达的绑定正逐步加深。

8 月 17 日，英伟达同意为 OpenAI 俄亥俄州数据中心园区提供最高 1050 亿美元融资；OpenAI 承诺 2026 年下半年部署首批 1 吉瓦英伟达 Vera Rubin 系统。OpenAI 芯片负责人 Richard Ho 说得直白：" 英伟达是很好的合作伙伴，我们仍需要大量英伟达芯片。"

这一切落在英伟达财报前夜。

今晚美股盘后（北京时间明天凌晨），英伟达将公布 2027 财年第二季度财报，焦点除了 Blackwell 放量与 Rubin 进展，还有 OpenAI 算力承诺的会计处理。