芯片正式亮相：发布时间、参数与可用时间一览

2026 年 8 月 25 日，OpenAI 在 Hot Chips 大会上首次公开其首款自研推理芯片 Jalapeño 的第三方见证跑分。核心硬信息如下：

• 发布时间：2026 年 8 月 25 日（Hot Chips 大会）
• 合作方：OpenAI 主导架构设计，博通参与实现、网络和连接，Celestica 负责板卡与机架集成
• 额定功耗：700W
• 内存配置：搭载 HBM4，单封装内存带宽约 15.4TB/s
• 算力规格：B0 版 MXFP4 理论算力为 13.4 PFLOPS
• 工艺版本：A0 工程芯片已用于跑分；B0 版本已进入台积电 N3P 工艺制造阶段
• 部署计划：2026 年底以极小规模部署，真正上量要等到 2027 年
• 测试模型：GPT-OSS 120B、DeepSeek R1 670B 和 Kimi K2.5 1T 三款公开大模型

跑分表现：能效翻倍，低延迟场景优势更突出

Jalapeño 在 SemiAnalysis 的 InferenceX 基准测试中与英伟达 Blackwell 系统（GB300）对测，结果如下：

• 每千瓦吞吐量：三款模型上达到英伟达系统的 1.5 至 1.9 倍，即同等电量下多干近一倍的活
• 低延迟表现：跑 DeepSeek R1 时，单用户生成速度最高约 700 token/s，而英伟达 GB300 仅约 169 token/s，快近 5 倍，用户等待时间缩短约四分之三
• 单用户峰值生成速度（GPT-OSS 120B）：Jalapeño 每秒 1459 token，英伟达 535 token
• 万亿参数模型延迟优化：Kimi K2.5 上最低延迟 1.56 秒，英伟达为 5.31 秒

最意外的反差数据出现在固定速度场景：当服务质量固定在每用户 100 token/s 时，Jalapeño 运行 Kimi K2.5 的吞吐量达英伟达 GB300 的 9 倍以上，意味着同等服务等级下可承载 9 倍用户量。这突显了芯片架构对实际业务容量的巨大影响。

设计哲学：让数据不挪窝，专为模型流量变化而生

Jalapeño 的核心设计理念是减少数据搬运——业内共识是「计算几乎免费，但搬运数据才贵」。其关键架构选择包括：

• 存算分区设计：将计算核心与 HBM4 内存切成匹配切片，实现低延迟直达通道，避免频繁从公共内存仓库取数
• 统一加速器架构：Prefill（处理输入）与 decode（逐词生成）由同一颗加速器完成，而非像英伟达 Rubin 方案那样拆给 CPX 专用芯片。理由是真实流量比例会随应用类型（聊天、推理、Agent）持续变化，固定分工容易导致资源闲置
• 内存带宽优化：单封装 15.4TB/s 带宽确保本地数据池足够大、调用足够快

值得注意的是，Jalapeño 从初始设计到完成流片仅耗时 9 个月，远低于 ASIC 芯片常规的 18–24 个月周期。据介绍，在 GPT-OSS 的部分 attention 和 MoE 模块中，AI 生成的 kernel 比此前人工专家编写的版本快 1.5–1.8 倍；OpenAI 借助 Codex 和 GPT-Astra，只用了约两个月完成对 DeepSeek R1 和 Kimi K2.5 的移植和优化。

芯片对比表（基于公开跑分）

适用建议

• 适合谁用：对推理成本极度敏感的大模型服务商；需要同时支持多种架构模型（包括非自家模型如 DeepSeek、Kimi）且追求单位功耗吞吐量的云服务商；计划自建推理基础设施、且能接受 2027 年起量的早期采用者
• 建议再等等：当前跑分均为约 8k 输入、1k 输出的单轮推理场景，缺乏多轮交互、长上下文 Agent 任务实测数据；若业务重度依赖复杂路由与前缀缓存，建议等待实际生产环境验证；对低延迟要求不苛刻、更看重现有生态兼容性的企业可继续观望 GB300 生态的成熟度

写在最后

Jalapeño 背后的「为模型造芯片」范式，标志着算力竞争从通用芯片适配模型，转向芯片与模型协同演进。苹果、英伟达、OpenAI 在 48 小时内密集发布或公布芯片进展，分别押注「端侧制程」「通用系统」「垂直专用」三条技术路径，AI 时代的芯片定价权正在多元化博弈中重构。