產品

OpenAI 祕密武器 Jalapeño 直球對決 Nvidia Blackwell:運算霸主真的要變天?

SemiAnalysis 付費長文揭露 OpenAI 三年前啟動的內部推理晶片直指 Blackwell,Bloomberg 同步跟進,HN 熱帖背後是一場算力脫鉤的開端。

字級

昨天 SemiAnalysis 那篇付費長文出來之後,圈子裡幾乎炸鍋。Bloomberg 同步發稿,HN 貼文衝上榜首(213 分 / 147 則留言),文章標題直接寫「OpenAI's Jalapeño Better Than Nvidia Blackwell」。這不是又一篇「AI 公司自研晶片」的公關稿——下面拆開來看。

Jalapeño 是什麼:不是晶片,是 OpenAI 的保險單

先破除一個常見誤讀:Jalapeño 不是 OpenAI 拿來賣錢的消費級 GPU,也不是對標 H100/B200 那種通用訓練卡。它是 OpenAI 內部用的推理專用加速器,設計目標從一開始就不是「跑 PyTorch 訓練」,而是「用最低成本產出 token」。

SemiAnalysis 在供應鏈圈的話語權不是吹出來的——這家機構對台積電產能分配、HBM3e 出貨、先進封裝路線的爆料命中率極高。他們把 Jalapeño 直接和 Blackwell 同台比較,比較的維度不是 FP16 TFLOPS,而是:

  • 每 token 成本(cost per generated token)
  • 每瓦效能(perf/W)
  • 推理吞吐量(tokens/sec at p99 latency)

換句話說,OpenAI 沒在和 Nvidia 比「誰的卡更強」,它在比「誰跑 inference 更便宜」。這是兩個完全不同的問題。

另一個細節:Jalapeño 這個代號據傳在 OpenAI 內部已經存在至少三年。也就是說這件事不是 OpenAI 看到 GPT-5 推理成本撐不住之後才決定的——而是早就下注,只是現在到了該亮牌的節點。

為什麼 SemiAnalysis 這次爆料分量這麼重

半導體圈有個不成文的鄙視鏈:任何「XX 公司要做自研晶片」的消息,預設先打三折再聽。但 SemiAnalysis 丟出來的東西,預設按 80% 信心水準看待。這家機構能拿到台積電 N3/N2 製程的實際投片資料,能從 ASML 光刻機出貨反推算力產能。

這次爆料的幾個訊號堆在一起才形成可信度:

  1. SemiAnalysis 付費牆原文(標題直接寫「Better Than Nvidia Blackwell」,這種話他們不會亂說)
  2. Bloomberg 同步獨家(有正式記者背書)
  3. HN 社群內業者交叉驗證(留言區有 ASIC 工程師確認 OpenAI 的 IP block 設計方向)
  4. 時間節點吻合(Jalapeño 立项 3 年 + Blackwell 量產時間線,說明現在到了「準備好了」的節點)

如果只有一家小部落格寫,這文章大概沒人理。但三家管道同時引爆,說明這件事不是 leak,是 OpenAI 主動放出來的——只是借了 SemiAnalysis 當擴音器。

OpenAI 的算力帳本:Nvidia 帳單到底有多貴

單看「效能對標 Blackwell」是看不出版本答案的。要理解 Jalapeño 的戰略意義,得先看 OpenAI 這幾年在 Nvidia 身上砸了多少錢。

按先前揭露的口徑:

  • OpenAI 與 Nvidia 的算力採購承諾在 2025-2030 年累計超過千億美元量級
  • 一張 B200 伺服器整機成本約 3-4 萬美元,八卡節點單台就要 25-30 萬美元
  • 推理側每 1000 token 的毛利,很大一部分被 GPU 折舊 + 電費吃掉了

算一筆粗帳:假設 OpenAI 一年推理呼叫是幾千億 token 量級,每 token 哪怕只省 10% 的硬體成本,一年就是幾十億美元。這個數字夠開一家中型晶片公司了。

這就是為什麼 ROI 算得過來——不是效能超越那麼簡單,是經濟模型重寫。當你的 token 量夠大,自研晶片的前期投入(NRE、流片、驗證、編譯器)攤到每 token 上,反而比買 Nvidia 卡便宜。

Google 當年走 TPU 路線算的就是這筆帳。OpenAI 現在是同一張考卷的複製版。

Nvidia 真的會被顛覆嗎:三個反共識判斷

這種時候大家通常會說「Nvidia 完了」「護城河崩塌」。我的判斷相反——三個反共識觀點:

判斷 1:Jalapeño 成功反而強化 Nvidia 的護城河。

聽起來反直覺,看一下 Google TPU 的歷史:

  • Google 自研 TPU,十年下來並沒有殺死 Nvidia
  • Nvidia 反而把客戶從「所有公司」切成「不是 Google 的所有公司」
  • TPU 證明這條路可行之後,反而更多公司敢上 GPU 了,因為知道自己不會被單一供應商鎖死

OpenAI 做 Jalapeño 一旦成功,訊號意義是「自研是可行的」。這會讓更多中廠(Anthropic、xAI、Meta)加速自己的 ASIC 計畫——但同時,這些公司裡 90% 做不到量產,最終還是會回到 Nvidia。Nvidia 失去一個客戶,換來十個客戶敢用 GPU 的信心。

判斷 2:真正的輸家不是 Nvidia,是 AMD 和 Intel。

AMD MI300/MI400 這兩年的策略是「打不上 Nvidia,就去搶次優客戶」。但 Jalapeño 直接把「次優客戶」這個層級也拿走了——OpenAI 自研之後,剩下的客戶裡,預算最大、最願意付溢價的那批都開始自研了。

AMD 原本指望的「Anthropic、xAI、歐洲雲」這些客戶,自己也在做類似 Jalapeño 的東西。AMD 夾在中間,上擠不過 Nvidia,下搶不到自研客戶。

判斷 3:「效能對標 Blackwell」這個說法不能照單全收。

SemiAnalysis 的標題黨是「Better Than Blackwell」——但要注意他們說的「Better」是什麼意思。如果是「在 OpenAI 自己的 workload 上每 token 更便宜」,這是事實。但這個「better」無法平移到任何其他客戶的工作負載上。

Jalapeño 可能沒有 NVLink、沒有 CUDA 相容層、沒有 FP8 訓練支援。它只對 OpenAI 的 transformer 核心 + 特定 batch size 最佳化。你買不到這張卡,也用不了這張卡。從這個角度,Nvidia 賣的從來不是「最好的晶片」,而是「最通用的程式設計平台」。

編輯觀點

為什麼 Jalapeño 的真正意義不在那張晶片上,而在於它把「AI 公司垂直整合算力」從 Google 一家變成了可複製的範式。

過去十年,「我有大模型」這件事的護城河在於「我有 GPU」。現在護城河被拆成兩層:算力 + 晶片。當晶片這層可以內部解決,模型公司的差異化會重新回到「資料 + RLHF + 產品」上——這是 Nvidia 不想看到的劇本。

對 2027 年的具體預測(保留 30% 不確定性):

  • 前 5 大模型公司中至少 3 家會有自己的推理 ASIC(OpenAI 已確認,Anthropic 和 xAI 在做)
  • Nvidia 市佔率不會大幅下滑,但毛利結構會改變——從純硬體銷售,轉向「硬體 + 網路 + 推理框架」打包
  • AMD MI 系列出貨量會低於 2025 年的樂觀預期,因為自研晶片吃掉了原本預期的客戶
  • 一個新的細分市場會出現:為「自研 ASIC」公司提供 IP block、編譯器、HBM 配套的小公司,類似當年 RISC-V 生態周邊的那種機會

需要明確的不確定性:OpenAI 這張卡的實際良率、產能、TCO 資料,我們目前都是盲的。SemiAnalysis 的爆料有可能是 OpenAI 給市場放的預期管理氣球。具體細節可能要等 2026 年底 OpenAI 財報揭露的「infrastructure cost per token」和 Nvidia 在 GTC 2027 上的回應才能判斷。

不管怎樣,「AI 公司 + 自研晶片」這條曲線已經不可能回頭了。

來源: https://newsletter.semianalysis.com/p/openai-jalapeno-better-than-nvidia