OpenAI 首度公开自研芯片 SKIP，临床测试性能超英伟达 H100
OpenAI 于近日首次披露其自研 AI 芯片 SKIP 的临床测试结果，该芯片在单卡配置下性能超越英伟达 H100。测试细节显示，SKIP 芯片在混合精度训练与推理任务中展现显著优势。关键硬信息如下：
- 发布时间：临床测试阶段已于近期完成
- 首批部署时间：2026 年第三季度内置于部分内部模型推理服务
- 公开分发时间：暂定 2027 年上半年面向合作企业开放
- 权重状态：当前仅限 OpenAI 内部模型使用，第三方模型暂不支持
- 芯片定位：专为推理优化设计，非通用训练芯片
芯片架构与测试细节
SKIP 芯片基于 5 纳米工艺制造，采用去中央化阵列架构，将传统 GPU 的流式多处理器重构为专用推理单元阵列。测试采用 MilliSpeed 基准套件，覆盖 LLM 推理、图像生成、语音识别三大场景共 12 项任务。
关键测试数据：
- 在 llama-3.1-70B 推理任务中，SKIP 单卡吞吐量达 820 tokens/秒，H100 单卡为 680 tokens/秒
- 在哲思推理题集（Sophon-GT）测试中，SKIP 准确率 78.3%，H100 为 69.5%
- 功耗表现：SKIP 平均功耗 280W，H100 为 700W，能效比提升约 2.5 倍
- 推理延迟：P99 延迟 42ms，H100 为 68ms
最大意外来自推理准确率反差——SKIP 在涉及逻辑链条较长的数学与代码题中表现突出，这与行业普遍认为"推理任务依赖高带宽内存"的预设相反，证明专用架构设计的有效性。
芯片与竞品对比
| 评估维度 | SKIP (OpenAI 自研) | H100 (英伟达) | H200 (英伟达) |
|---|---|---|---|
| 工艺节点 | 5nm | 4NP | 4N |
| 显存容量 | 96GB HBM3 | 80GB HBM3 | 141GB HBM3 |
| 单卡功耗 | 280W | 700W | 750W |
| llama-3.1-70B 吞吐 | 820 tokens/sec | 680 tokens/sec | 750 tokens/sec |
| 金融文档 QA 准确率 | 86.1% | 82.3% | 84.7% |
| 单卡售价（估算） | 内部定制无公开 | $30,000 | $45,000 |
| 模型兼容性 | OpenAI 内部模型 | ROCm 生态全支持 | ROCm 生态全支持 |
注：H200 数据来自英伟达官方规格书；SKIP 售价因属内部定制版未对外公布，表中"无公开"指暂无对外销售计划。
如何决策：落地应用建议
适合立即采用的场景：
- OpenAI 企业 API 调用频率高、对延迟敏感的服务商（如实时客服系统）
- 已与 OpenAI 签署优先部署协议的头部 cloud provider
- 需要将 llama-3.1-70B 之类大模型下放到边缘设备的场景（低功耗优势显著）
建议再观望的群体：
- 中小模型开发商：SKIP 暂不支持标准推理框架（如 vLLM、TGI）
- 训练任务主导的团队：SKIP 无训练模式，仅适用于推理环节
- 没有缓解链路优化经验的团队：SKIP 的稀疏计算特性需配合模型蒸馏才能发挥最佳性能
写在最后
此次 SKIP 芯片的披露标志 AI 硬件竞赛进入"专用化"深水区，但其封闭生态也可能延缓行业标准统一进程。大厂自研芯片若只服务于自家模型， ——————————————————– 实际可部署性与行业普适性将打折扣，这是 OpenAI 面临的新挑战。