知识卡片：OpenAI自研推理芯片Jalapeño公布能效跑分，每千瓦吞吐量为英伟达系统1.5至1.9倍

一句话结论

OpenAI与博通联合打造的推理芯片Jalapeño，在Hot Chips大会公布的首份跑分中显示，三款公开模型上的每千瓦吞吐量达英伟达系统1.5至1.9倍；该芯片从设计到流片仅用9个月，计划2026年底以极小规模部署。

事件概述

在Hot Chips大会上，OpenAI公布了与博通联合研发的首款自研推理芯片Jalapeño的首份跑分结果。材料显示，该芯片在三款公开模型上的每千瓦吞吐量达到英伟达系统的1.5至1.9倍。芯片从设计到流片仅用9个月，远快于行业通常的18至24个月。OpenAI借助Codex等AI生成kernel，加速了芯片设计全流程。

方法/产品要点

• 芯片名称：Jalapeño，由OpenAI与博通联合打造。
• 设计哲学：“少搬数据”，即减少数据搬运开销。
• 核心与HBM4内存切片直连。
• prefill与decode在同一芯片上完成。
• 使用Codex等AI工具生成kernel，辅助芯片设计全流程。
• 计划于2026年底以“极小规模”部署。

主要结果或产业意义

• 在能效（每千瓦吞吐量）上，Jalapeño达到英伟达系统的1.5至1.9倍。
• 9个月完成“设计到流片”，显著短于行业普遍的18至24个月，展示AI辅助芯片设计对研发周期的压缩潜力。
• 材料解读认为，该芯片设计指向对外出租推理算力、争夺AI定价权的野心。

为什么重要

这是OpenAI从依赖外部芯片转向自研推理芯片的重要信号。自研芯片若能落地，可能影响AI芯片市场竞争格局，并让OpenAI在推理算力成本与定价上获得更大主动权。同时，AI生成kernel加速芯片设计的案例，也可能为芯片行业带来研发范式上的新参考。

局限与不确定性

• 材料来源为腾讯研究院AI速递，而非OpenAI或博通官方公告，细节需以原始发布为准。
• 所称“跑分”具体采用何种基准、测试环境、三款公开模型具体名称、对比的英伟达系统型号均未说明，待核实。
• 芯片的实际量产时间、部署规模、对外出租算力的具体商业模式是否官方确认，待核实。
• 9个月“设计到流片”的具体口径、是否包含所有设计环节，待核实。
• HBM4内存切片直连、prefill与decode同芯完成等技术细节缺乏更深入参数，待核实。

可用于图书/PPT/简报的角度

• AI芯片竞争从“绝对性能”转向“每瓦性能/每千瓦吞吐量”。
• AI参与芯片设计：9个月流片如何缩短行业周期。
• OpenAI的算力垂直整合：从模型厂商到自研芯片、出租算力。
• 推理算力定价权争夺：自研芯片如何影响AI产业链利润分配。

与既有脉络的关系

本条信息与已有相关卡片（NIST AI RMF、Epoch AI出版物、OpenRouter博客归档）无直接重复，属于AI芯片产业动态的新增量，补充了OpenAI自研推理芯片Jalapeño的首份跑分与部署计划。

原始材料

• 原始中文标题：腾讯研究院AI速递 20260827
• 英文标题（拟）：OpenAI’s First In-House Inference Chip “Jalapeño” Shows 1.5–1.9x Throughput per kW over NVIDIA Systems
• 英文关键词：OpenAI, inference chip, Jalapeño, Broadcom, Hot Chips, AI-assisted chip design, HBM4, AI pricing power
• 来源URL：https://m.sohu.com/a/1068024885_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=1