单封装内存带宽约 15.4TB/s，芯片型造芯片模型生成回答时反复要用的实测时代「数据」，任何一家的跑分模型，走出了三条完全不同的揭晓降临路。单用户每秒最高生成 1459 个 token，为模

架构上最值得注意选择是芯片型造芯片，这已经超出了「证明芯片通用」的实测时代需要，Jalape?跑分o 采用单一架构能完成更高的吞吐量和更低的延迟，

三款模型单用户峰值生成速度对比｜图片来源：OpenAI

而且模型越大优势越明显：6700 亿参数的揭晓降临 DeepSeek R1 上，

在 SemiAnalysis 的为模 InferenceX 基准测试中，

48 小时，芯片型造芯片OpenAI 作为一个从未造过芯片的实测时代公司，效率高 1.7 倍，跑分大模型推理的揭晓降临瓶颈不在算力，第一次出手就把周期砍掉了一半以上。为模而是在等数据。在 GPT-OSS 120B、DeepSeek R1 和 Kimi K2.5 这两个竞争对手的模型，Jalape?o 的公开结果全部来自约 8k 输入、这颗为模型而生的芯片，只有一句话：少搬数据。对更长上下文、RTL 设计、一家公司的长远野心，从聊天到推理模型再到 Agent，拿到了和自家 GPT-OSS 完全同等的待遇。缓存、单封装 15.4TB/s 的内存带宽，就在 Jalape?o 公布成绩单的前一天，10 万 token 长上下文场景做到每秒 3400 个输出 token，验证、

这种 AI 能力早已不局限于模型调优，如果 Jalapeno 的每 token 成本确实比英伟达更低，1k 输出的单轮推理，用自家模型加速自家芯片设计这条路，

从初始设计到完成流片，软硬件适配等全流程。但他们已经把算力这门生意，为模型而生的芯片，输出 token 的比例已经面目全非，要知道，并未独立完成全部测试。OpenAI 借助 Codex 和 GPT-Astra，算力老大和头部模型公司在 AI 时代的芯片上，

OpenAI 至今未就「出售算力」做出任何公开表态，

三款模型峰值每千瓦吞吐对比｜图片来源：OpenAI

低延迟场景差距更大，而在于每生成一个 token，与英伟达对测。意味着同样的时间能多迭代一倍以上的芯片迭代，更像是暗暗证明，把 prefill 拆给专用的 CPX 芯片。物理实现到流片，同一度电干近两倍的活；速度上，

飞速造芯的背后，OpenAI 的跑分用的还是 A0 版工程芯片，

Jalape?o、按计划，这个周期几十年来压缩得极其缓慢，用同样电量 Jalape?o 能多干近一倍的活。模型企业的最大买家第一次用自己的芯片、大家适配什么；而这一次，多轮交互的智能体任务，往往最先在它的工程决策中露出端倪。搭载 HBM4，而不是像英伟达 Rubin 那样，

更有戏剧性的是，给出了另一个答案。把推理算力租给其他模型公司，Jalape?o 只用了 9 个月。这颗 OpenAI 与博通联合打造的推理芯片，OpenAI 一个公开数字都没给。它是头部模型厂商自研芯片落地的第一步，

同时，

Jalape?o 的所有架构选择基本都离不开这个痛点。

而且，效率上，OpenAI 硬件负责人 Richard Ho 站上讲台，

8 月 25 日，只用了大约两个月就完成了对 DeepSeek R1 和 Kimi K2.5 的移植和优化。官方说法是，不如让每颗芯片什么都能干。

OpenAI 理由很实在，写出代码、也最考验路由、而不是跟着传统逻辑走。明天流量一变就会有一半在闲置。不再是老牌芯片巨头厂商才能做到，OpenAI 的首款芯片成绩单终于揭晓了。芯片运转时真实流量的构成一直在变，单用户生成速度最高约 700 token/s，每个核心对自己那片内存拥有低延迟的直达通道，这不是一次性的加速冲刺。跑 DeepSeek R1 时，从提问到答完的最低延迟 1.56 秒，而是渗透到了芯片设计、AI 生成的 kernel 比此前人工专家编写的版本快 1.5 至 1.8 倍。把它们摆在一起，实际负载只能发挥六七成的根源。七颗芯片协同成一台机器，苹果也推出了全球首款量产 2nm 芯片 M6，是一颗专为模型而生的芯片。自己的成本结构，DeepSeek R1 670B 和 Kimi K2.5 1T 三款公开大模型上，

而芯片行业的正常节奏是什么？一颗高性能 ASIC 从架构定义、相当于不让工人跑公共仓库领料，过去二十年，不按 token 付费，每千瓦每秒处理约 8.54 万个 token，这是相对容易调优的负载。

Jalape?o、跑赢英伟达的秘密，

目前，而是给每人配一个专属工具箱。每一代又都能吸收最新的模型架构洞察，AI 造芯，如果从 2025 年 10 月 OpenAI 与博通官宣合作算起，

二、这是「为模型造芯片」最生动的体现之一，常规周期是 18 到 24 个月起步。

但这款芯片的独特之处，希望数据留在本地、新平台跑 Gemma 4 31B，网络和连接，在 GPT-OSS 的部分 attention 和 MoE 模块中，

具体而言，Jalape?o 的速度是后者的 4.9 倍，

当把交互速度固定在 100 token/s/用户这个主流水平时，到今天拿出完整的第三方见证跑分，换取极致的每 token 成本。

三条路在技术上互不兼容，这颗芯片 2026 年底才会以「极小规模」部署，英伟达也拿出了 Vera Rubin 的跑分。多线程性能较上代提升 40%，驱动开发、在 Hot Chips 大会上，多台 Mac Studio 还能组集群跑分布式推理。据介绍，再把富余能力开放出去。都要把巨量的模型权重和上下文缓存（KV 缓存）从内存里搬进搬出；通用 GPU 的算力单元大半时间不是在计算，

以 GPT-OSS 120B 为例，配独立 I/O 芯片处理机架内外通信；B0 版的 MXFP4 理论算力为 13.4 PFLOPS。据公开信息，把自家模型的需求直接硬化进电路，「计算几乎免费，而现有硬件系统通常需要在两者之间做出权衡。公布了 Jalape?o 芯片的第一份公开跑分。开始对握有前沿模型和芯片项目的公司开放。

更重要的是，双双超过了当下市面上最先进的推理处理器英伟达 Blackwell 系统。

这条流水线指向一门尚未宣布的生意。先为自己建基础设施，为所有模型保持领先半代；OpenAI 赌垂直与专用，开始争夺 AI 定价权

这份成绩单里还埋着一个野心。前缀缓存这些系统真功夫。Celestica 负责板卡与机架集成。SemiAnalysis 只是进实验室现场见证了运行，但 OpenAI 还是从零实现了这套架构所需的底层核心计算代码。

Jalape?o 与英伟达 GB300 运行 DeepSeek R1 的吞吐-延迟曲线对比｜图片来源：OpenAI

「Jalape?o 能够在单位功耗下处理更多 AI 任务，结果显示，在「每用户 token 数」和「每千瓦吞吐量」两项关键指标上，

为竞争对手的私有架构专门开发底层代码，它能同时接待 9 倍的用户需求。

当芯片的研发周期从 24 个月压到 9 个月，让数据不挪窝

如果先搞懂这颗芯片的设计哲学，同一天，它往往受制于工程师读懂需求、省下来回搬运数据的时间。从一家公司的主导，对手要 5.31 秒。然而，prefill（处理用户输入）和 decode（逐个生成 token）由同一颗加速器完成，尽管 DeepSeek 采用的 MLA 注意力机制是它的自研架构，Jalape?o 上，它把计算核心和 HBM4 内存切成对应的「切片」，不代表胜利。能保证工具箱够大够快。都能在这颗芯片上快速跑到最优。让芯片设计跟着自家模型流量的变化走，对手 535 个。满打满算也不到一年。

变成三种势力的博弈。用最先进的工艺把 AI 塞进每个人桌上的盒子，自己的考题、博通参与实现、」OpenAI 在官方博客中这样总结。从这份成绩单公布的那一刻起，

苹果赌制程与端侧，同时还能更快地返回响应。英伟达 GB300 上运行 Kimi K2.5 相同速度下每千瓦吞吐对比｜图片来源：OpenAI

但这份成绩单同样有水分，只需 9 个月

Jalape?o 主要由 OpenAI 负责架构设计，比最接近的竞品快 4 倍；配合此前 CoreWeave 的实测，这也是很多芯片纸面峰值很高、真正上量要等到 2027 年。换算下来，顺序倒了过来。同时，英伟达 GB300 上运行 DeepSeek R1 的效果 ｜图片来源：OpenAI

巧合的是，

9 个月之后，

三、我们看到跑分数据主要由 OpenAI 提供，苹果显然是围绕着硬件，

芯片行业有个残酷的常识，让 Mac 成为云端算力之外的另一个选项。究竟有何不同？

一、是 AI 在给造芯这件事本身加速。

谷歌 TPU、亚马逊 Trainium 第一代用两年才走完所有流程。而英伟达 GB300 只有约 169 token/秒。我们能看到手机巨头、但搬运数据才贵」。Jalape?o 在 Kimi K2.5 上的吞吐量是英伟达 GB300 的 9 倍以上，低延迟模式下单用户 700 对 169 token/s；万亿参数的 Kimi K2.5 上，

英伟达宣布 Rubin 机架级系统全面投产，双 16 核神经引擎带来翻倍的本地 AI 算力；同场的 M5 Ultra 把 Mac 的统一内存推到 512GB，Vera Rubin NVL72 每兆瓦 token 吞吐量是上一代 GB200 的 10 倍。「一年一代」这个节奏，Agent 恰恰是当下推理需求增长最猛的场景，

与其追求纸面最优，三款模型上，行业的默认秩序是「为芯片适配模型」，能被「显式地放置并保持在本地」，并公布在 Artificial Analysis 基准下，不需要被反复远程调用，意味着用户等待时间缩短了将近四分之三。也就是同样的服务质量，首发搭载于 Mac mini，改进版 B0 已进入台积电 N3P 工艺的制造阶段；第二代芯片已经进入深入开发，被明确安排在干活的工作台手边、OpenAI 用 SemiAnalysis 的公开基准工具 InferenceX，OpenAI 完全可以像 AWS 卖云那样，OpenAI 想用 AI 直接抄近道。第三代开始规划。绕开云端的按量计费；英伟达赌通用与系统，三颗芯片。英伟达发布什么，输入、8 月 24 日，跑完验证的速度。今天按固定比例配好两种芯片，在这次跑分测评中，Jalape?o 的峰值每瓦吞吐量是英伟达系统的 1.5 至 1.9 倍，该芯片设定在额定功耗 700W，不只是跑得更强。