OpenAI自研Jalapeño芯片部署：弃英伟达选AMD

OpenAI 自研芯片计划迎来实质性进展。据科技媒体 Tom’s Hardware 当地时间 10 月 2 日报道，OpenAI 首款自研推理芯片 Jalapeño ASIC 已在其内部数据中心完成部署，与之搭配的并不是英伟达的新款 Vera CPU，而是 AMD 的 EPYC Turin 处理器。OpenAI 副总裁兼硬件主管 Richard Ho 在接受采访时表示，选择 AMD 是出于”务实”的去风险考虑，而英伟达 Vera CPU 在成熟度上”略微落后”。

事件详情：128 颗芯片组成双机架推理单元

此次曝光的是 Jalapeño 的机架级部署形态：

• CPU 主机架（代号 Katsu）：16 个托盘，每个托盘搭载 2 颗 AMD EPYC Turin 处理器与 1.5TB DRAM 系统内存；
• 加速器机架（代号 Vindaloo）：16 个托盘，每个托盘 8 颗 Jalapeño 芯片，共计 128 颗；
• 两个机架通过 8 组 Chana 交换托盘互联，整套双机架功耗约 160 千瓦，其中加速器部分约 130 千瓦；
• 该设计可扩展至 16 个机架、2048 颗 Jalapeño 芯片，构成大规模推理算力池。

Ho 解释，Jalapeño 团队在设计阶段即确立了”去风险”与”快速落地”两大原则：Turin 性能已满足项目全部需求，且合作伙伴对该平台经验丰富，有助于加速部署。公司希望在性能指标和成本控制上保持激进，但平台选择必须符合既有的工程决策框架、确保项目可控。

背景分析：从流片到内部上线的自研路线

Jalapeño 是 OpenAI 与博通（Broadcom）合作开发的专用推理 ASIC，由 Celestica 负责系统设计，2025 年 11 月完成流片，采用台积电 3nm 工艺。据 OpenAI 公布的测试数据，Jalapeño 每瓦 AI 吞吐量达到对比 GPU 系统的 1.5~1.9 倍；在 DeepSeek R1 模型上，每瓦性能约为英伟达 GB300 的 1.7 倍；端到端推理延迟降至对比系统的 28%~59%。芯片额定功耗 700W，高负载下持续功耗可维持在 550W 以内，远低于 GB300 的 1400W 标称功耗。

需要明确的是，这些领先数据仅限定于大模型推理场景的基准测试。Jalapeño 是高度定制的专用 ASIC，能力收敛于 LLM 推理；而英伟达 Blackwell 系列是通用 GPU，兼顾训练、微调、多模态与通用计算，两者产品定位并不完全对等。OpenAI 也强调，英伟达仍是重要合作伙伴，模型训练任务依旧高度依赖英伟达高端 GPU 集群——自研 ASIC 的核心目标是压低自身推理业务的总体拥有成本（TCO），补齐推理侧算力供给，而非全面替代 GPU。

按计划，Jalapeño 将于 2026 年底小规模上线，2027 年逐步扩大算力规模；第二代芯片已进入后期开发，第三代启动概念设计。这套芯片与配套机架仅供 OpenAI 内部算力集群使用，不对外销售。

影响与展望：推理算力正在走向硬件分化

Jalapeño 的真正行业意义不在于跑分高低，而在于验证了一个趋势：当业务规模足够大时，专用 ASIC 可以在推理场景取得显著优于通用 GPU 的综合成本优势。训练负载看重可编程性与生态，推理负载则极度看重内存带宽、token 生成延迟与单位能耗产出——两者正在走向硬件分化。

这条路线并非 OpenAI 独有：谷歌有 TPU，AWS 有 Trainium 与 Inferentia，微软有 Maia，Meta 也在持续投入内部加速器。如今 OpenAI 加入战局，意味着头部大模型厂商正从”买芯片”转向”围绕工作负载设计系统”。

对 AMD 而言，这是一场及时的数据中心 CPU 胜利：在 AI 服务器主机 CPU 的争夺中，Turin 凭借成熟度赢得了 OpenAI 首款自研芯片的首发搭档。对英伟达而言，Vera 的缺席更多是成熟度时间表问题，而非架构被否定——但头部客户开始为推理环节准备”Plan B”，无疑会加速 AI 算力市场的分层竞争。