昨天 SemiAnalysis 那篇付费长文出来之后,圈内基本炸了。Bloomberg 同步发稿,HN 帖子登顶(213 分 / 147 评论),文章标题直接写「OpenAI's Jalapeño Better Than Nvidia Blackwell」。这不是又一篇「AI 公司自研芯片」的公关稿——下面拆开看。
Jalapeño 是什么:不是芯片,是 OpenAI 的保险单
先破除一个常见误读:Jalapeño 不是 OpenAI 拿来卖货的消费级 GPU,也不是对标 H100/B200 那种通用训练卡。它是 OpenAI 内部用的推理专用加速器,设计目标从一开始就不是「跑 PyTorch 训练」,而是「以最低成本生成 token」。
SemiAnalysis 在供应链圈的话语权不是吹出来的——这家机构对台积电产能分配、HBM3e 出货、先进封装路径的爆料命中率极高。他们把 Jalapeño 直接和 Blackwell 同台对比,维度不是 FP16 TFLOPS,而是:
- 每 token 成本(cost per generated token)
- 每瓦性能(perf/W)
- 推理吞吐量(tokens/sec at p99 latency)
换句话说,OpenAI 没在和 Nvidia 比「谁的卡更强」,它在比「谁跑 inference 更便宜」。这是两个完全不同的问题。
另一个细节:Jalapeño 这个代号据传在 OpenAI 内部已经存在至少三年。也就是说这件事不是 OpenAI 看到 GPT-5 推理成本撑不住之后才决定做的——而是早就下注,只是现在到了该亮牌的节点。
为什么 SemiAnalysis 这次爆料分量这么重
半导体圈有个不成文的鄙视链:任何「XX 公司要做自研芯片」的消息,默认先打三折再听。但 SemiAnalysis 发出来的东西,默认按 80% 置信度对待。这家机构能拿到台积电 N3/N2 制程的实际投片数据,能从 ASML 光刻机出货反推算力产能。
这次爆料的几个信号堆在一起才形成可信度:
- SemiAnalysis 付费墙原文(标题直接写「Better Than Nvidia Blackwell」,这种话他们不会乱说)
- Bloomberg 同步独家(有正式记者背书)
- HN 社区内业者交叉验证(评论区有 ASIC 工程师确认 OpenAI 的 IP block 设计方向)
- 时间节点吻合(Jalapeño 立项 3 年 + Blackwell 量产时间线,说明现在到了「准备好了」的节点)
如果只有一家小博客写,这文章大概率没人理。但三家渠道同时引爆,说明这件事不是 leak,是 OpenAI 主动放出来的——只是用了 SemiAnalysis 当放大器。
OpenAI 的算力账本:Nvidia 账单到底有多贵
单看「性能对标 Blackwell」是看不出版本答案的。要理解 Jalapeño 的战略意义,得先看 OpenAI 这几年在 Nvidia 身上花了多少钱。
按此前披露的口径:
- OpenAI 与 Nvidia 的算力采购承诺在 2025-2030 年累计超过千亿美元量级
- 一张 B200 服务器整机成本约 3-4 万美元,八卡节点单台就要 25-30 万美元
- 推理侧每 1000 token 的毛利,很大一部分被 GPU 折旧 + 电费吃掉了
算一笔粗账:假设 OpenAI 一年推理调用是几千亿 token 量级,每 token 哪怕只省 10% 的硬件成本,一年就是几十亿美元。这个数字够开一家中型芯片公司的。
这就是为什么 ROI 算得过来——不是性能超越那么简单,是经济模型重写。当你的 token 量足够大,自研芯片的前期投入(NRE、流片、验证、编译器)摊到每 token 上,反而比买 Nvidia 卡便宜。
Google 当年走 TPU 路线算的就是这笔账。OpenAI 现在是同一张试卷的复制版。
Nvidia 真的会被颠覆吗:三个反共识判断
这种时候大家通常会说「Nvidia 完了」「护城河崩塌」。我的判断相反——三个反共识观点:
判断 1:Jalapeño 成功反而强化 Nvidia 的护城河。
听起来反直觉,看下 Google TPU 的历史:
- Google 自研 TPU,十年下来并没有杀死 Nvidia
- Nvidia 反而把客户从「所有公司」切成了「不是 Google 的所有公司」
- TPU 证明这条路可行之后,反而更多公司敢上 GPU 了,因为知道自己不会被单一供应商锁死
OpenAI 做 Jalapeño 一旦成,信号意义是「自研是可行的」。这会让更多中厂(Anthropic、xAI、Meta)加速自己的 ASIC 计划——但同时,这些公司里 90% 做不到量产,最终还是会回到 Nvidia。Nvidia 失去一个客户,换来十个客户敢用 GPU 的信心。
判断 2:真正的输家不是 Nvidia,是 AMD 和 Intel。
AMD MI300/MI400 这两年的策略是「打不上 Nvidia,就去抢次优客户」。但 Jalapeño 直接把「次优客户」这个层级也拿走了——OpenAI 自研之后,剩下的客户里,预算最大、最愿意付溢价的那批都开始自研了。
AMD 原本指望的「Anthropic、xAI、欧洲云」这些客户,自己也在做类似 Jalapeño 的东西。AMD 夹在中间,上挤不过 Nvidia,下抢不到自研客户。
判断 3:「性能对标 Blackwell」这个说法不能信原文。
SemiAnalysis 的标题党是「Better Than Blackwell」——但要注意他们说的「Better」是什么意思。如果是「在 OpenAI 自己的 workload 上每 token 更便宜」,这是事实。但这个「better」无法平移到任何其他客户的工作负载上。
Jalapeño 可能没有 NVLink、没有 CUDA 兼容层、没有 FP8 训练支持。它只对 OpenAI 的 transformer 内核 + 特定 batch size 优化。你买不到这张卡,也用不了这张卡。从这个角度,Nvidia 卖的从来不是「最好的芯片」,而是「最通用的编程平台」。
编辑思考
为什么 Jalapeño 的真正意义不在那张芯片上,而在于它把「AI 公司垂直整合算力」从 Google 一家变成了可复制的范式。
过去十年,「我有大模型」这件事的护城河在于「我有 GPU」。现在护城河被拆成了两层:算力 + 芯片。当芯片这层可以内部解决,模型公司的差异化会重新回到「数据 + RLHF + 产品」上——这是 Nvidia 不想看到的剧本。
对 2027 年的具体预测(留 30% 不确定性):
- 前 5 大模型公司中至少 3 家会有自己的推理 ASIC(OpenAI 已确认,Anthropic 和 xAI 在做)
- Nvidia 市占率不会大幅下滑,但毛利结构会变化——从纯硬件销售,转向「硬件 + 网络 + 推理框架」打包
- AMD MI 系列出货量会低于 2025 年的乐观预期,因为自研芯片吃掉了原本预期的客户
- 一个新的细分市场会出现:为「自研 ASIC」公司提供 IP block、编译器、HBM 配套的小公司,类似当年 RISC-V 生态周边的那种机会
需要明确的不确定性:OpenAI 这张卡的实际良率、产能、TCO 数据,我们目前都是盲的。SemiAnalysis 的爆料有可能是 OpenAI 给市场放的预期管理气球。具体细节可能要等 2026 年底 OpenAI 财报披露的「infrastructure cost per token」和 Nvidia 在 GTC 2027 上的回应才能判断。
不管怎样,「AI 公司 + 自研芯片」这条曲线已经不可能回头了。