---
id: "16965160"
title: "OpenAI 自己造的芯片，把英伟达打懵了。 功耗只有英伟达旗舰的一半，极限能效却拉出了上百倍差距。 这是 OpenAI…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: null
published_at: "2026-08-25 22:39:59"
translated_x_url: "https://x.com/i/status/2092404347732660632"
canonical_url: "https://mubeitech.com/p/16965160"
markdown_url: "https://mubeitech.com/p/16965160/markdown"
json_url: "https://mubeitech.com/api/posts/16965160"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# OpenAI 自己造的芯片，把英伟达打懵了。 功耗只有英伟达旗舰的一半，极限能效却拉出了上百倍差距。 这是 OpenAI…

OpenAI 自己造的芯片，把英伟达打懵了。

功耗只有英伟达旗舰的一半，极限能效却拉出了上百倍差距。
这是 OpenAI 首次公布自研推理芯片 Jalapeño 的实测战绩。
对比的对象不是老架构，而是英伟达当家旗舰 GB200 与 GB300。

两边差距有多夸张？
单看功耗，Jalapeño 封装功耗 700 瓦，GB300 则是 1400 瓦。
刚一通电，功耗先砍掉一半。

再看跑大模型的真实能效。
跑 6700 亿参数的 DeepSeek R1，在普通峰值下，Jalapeño 每千瓦吞吐是 GB300 的 1.7 倍。
可一旦把用户需要的生成速度拉高，差距瞬间拉开。
当速度要求达到每秒 169 个词时，GB300 的能效跌到 118，Jalapeño 依然能跑出 12258。
能效整整差了 104 倍！

跑开源的 120B 模型也是一样。
高交互速度下，Jalapeño 的能效是 GB200 的 53.7 倍。
跑万亿参数的 Kimi K2.5，端到端延迟降低了 2.2 倍，生成速度一路顶到每秒近 700 词。

为什么全能的通用 GPU 会被拉开这么大距离？
英伟达要兼顾训练和各类通用计算，芯片上堆了大量通用冗余。
OpenAI 的专用芯片只干一件事：把所有晶体管和供电，死死焊在推理访存和生成上。

大模型规模化落地，核心死穴就是每瓦功耗和电费成本。
自研定制芯片把特定模型的推理能效拉高上百倍，直接砸穿了成本底线。
英伟达靠通用 GPU 垄断推理市场的格局，正在被巨头们亲手撕开。

---

_Translation: <https://x.com/i/status/2092404347732660632>_
_Canonical: <https://mubeitech.com/p/16965160>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-08-25 22:39:59_