事件總覽：從今年六月首度亮相到Hot Chips大會上實測數據公開，OpenAI這顆代號「Jalapeño」的自研晶片，只花了不到三個月就從「宣示決心」變成「來真的」——而且數字看起來確實有點嚇人。
📅 2026年6月：Jalapeño首次亮相，OpenAI的「硬體自主權」宣示
今年六月，OpenAI對外公布了與博通（Broadcom）共同設計的首款客製化AI晶片，取名Jalapeño。這個名字帶點幽默感，但背後的戰略意圖一點都不搞笑。在此之前，OpenAI的運算命脈幾乎可以說是掐在NVIDIA手上，從GPT系列到各種實驗性模型，哪一項不是靠著H100、GB200在撐？話說回來，這也不是祕密——全世界的AI實驗室都面臨同樣的瓶頸。
但OpenAI的動作明顯比其他人快了一拍。他們不只是想「有替代方案」，而是從頭設計一套能完全掌握效能的系統。Jalapeño的出現，其實是在對整個產業喊話：我們不只是模型開發者，我們要當基礎設施的定義者。這個時間點的選擇也很巧妙——剛好落在NVIDIA GB200開始大量出貨的時期，擺明就是衝著同一群客戶（包括他們自己）來的。
📅 2026年8月：Hot Chips大會實測數據出爐
上週在史丹佛大學舉辦的Hot Chips大會上，OpenAI硬體產品負責人Richard Ho端出了一盤驚人的數據。Jalapeño以每個機櫃128顆晶片的陣容部署，完整的Pod則高達2,048顆晶片。這不是什麼概念展示——128顆晶片的配置已經具備1.7 exaFLOPS的4位元運算能力，搭配27.5TB的HBM4，每顆封裝記憶體頻寬達15.4TBps。如果你對這些數字無感，白話文就是：這傢伙的記憶體頻寬和運算密度，直接把目前市場上多數AI加速器甩在後面。
OpenAI用三款模型實測：自家gpt-oss-120b、DeepSeek-R1，以及Kimi K2.5。重點來了——Jalapeño在這三個模型上的表現都優於NVIDIA的GB200 NVL72和GB300 NVL72機櫃系統。根據SemiAnalysis的InferenceX基準測試，峰值吞吐量多出1.5倍到1.9倍，端到端延遲低了1.7倍到3.6倍。如果場景切換到超低延遲情境，表現甚至可以快上2.1倍到4.1倍。你沒看錯，是「快四倍」。
不過這裡有個細節值得停下來想一想：這些數據是「標準化後的結果」。OpenAI是用各晶片公布的額定功耗來標準化，而Jalapeño的額定功耗是700W，實際測試時持續功耗卻維持在550W或更低。這代表什麼？代表他們在能耗效率這塊可能藏了更深的功夫，不只是硬塞電晶體而已。
📅 2026年8月：Richard Ho的關鍵表態
Richard Ho在大會上說了一句話，我覺得比所有數據都重要：「這是我們整體運算資源策略的一部分，策略上涵蓋NVIDIA、Cerebras等非常出色的合作夥伴。我們有著相當龐大的運算需求，而我們不可能一次就全部滿足。」
翻譯成白話就是：Jalapeño再強，OpenAI還是會繼續買NVIDIA的晶片。這不是打臉自己，而是戰略務實。為什麼？很簡單——自研晶片的產能根本趕不上OpenAI的模型訓練胃口。Richard Ho自己也承認，光是要滿足內部需求，「要能有足夠的量都相當吃力」。當被問到會不會對外銷售時，他的回答也直接掐滅了這個想像——內部都不夠用了，還賣給別人？
有趣的是，OpenAI同時透露Jalapeño第二代已經進入深度開發階段，甚至第三代也在進行中。這個開發速度本身就透露了一個訊息：AI輔助晶片設計不是口號。Richard Ho明確表示，他們運用AI在晶片中塞入更多運算能力，這讓整個開發流程比以往更快。換句話說，Jalapeño不只是一顆晶片，它還是OpenAI用AI驗證「AI設計AI」這個閉環的實驗場。
編輯觀點：從產業面來看，Jalapeño這顆晶片最值得關注的不是它比GB200快多少，而是它證明了「模型開發者自研硬體」這條路已經從理論走入量產前夜。對一般企業來說，你不會需要自己搞一顆AI晶片——但你該開始思考：當算力不再被單一供應商壟斷的時候，你的基礎設施策略是不是也該跟著調整？OpenAI沒有因為做出更強的晶片就跟NVIDIA分手，反而繼續雙線並行。這種「不把雞蛋放同一個籃子」的思維，才是真正該帶走的教訓。更值得玩味的是，Jalapeño的開發週期因為AI輔助而大幅壓縮，第二代、第三代同時推進——這代表半導體設計的摩爾定律可能不再是唯一制約，AI輔助設計會成為新的變數。如果OpenAI都能用AI設計出擊敗NVIDIA的晶片，那其他科技巨頭呢？這個問題的答案，可能比Jalapeño的4倍效能差距還要刺激。
📅 2026年稍晚～2027年：部署時程與市場影響
根據OpenAI的規劃，Jalapeño預計今年稍晚以「有限數量」部署在自家資料中心，明年才會進一步廣泛部署。這個「有限數量」的用詞值得玩味——你可以理解為：他們還在測試實際大規模運作時的穩定性和散熱表現，畢竟實驗室數據和產線實戰是兩回事。
不過有一個關鍵變數正在浮現：如果Jalapeño的效能宣稱屬實，那它對NVIDIA的威脅就不只是在技術層面，而是在價格談判桌上。以前OpenAI只能接受NVIDIA的定價，現在他們有了「不買也行」的底氣——即便他們實際上還是會買。這種策略性的平衡，會讓整個AI硬體供應鏈的權力結構開始鬆動。你覺得NVIDIA會坐視不管嗎？當然不會。但至少現在，遊戲不再是單人局了。
至今影響與未來展望
回到最根本的問題：Jalapeño會讓NVIDIA跌下神壇嗎？我的判斷是——短期不會，但長期風向已經變了。OpenAI的策略很清楚：自研晶片是用來「平衡」而非「取代」。他們繼續買NVIDIA、繼續跟Cerebras合作，同時也用自己的晶片。這種多源策略在未來兩年會成為AI大廠的標準配備。
但真正值得追蹤的是「AI輔助晶片設計」這條線。如果Jalapeño第一代是在AI協助下完成的，第二代、第三代的速度可能更快——這意味著晶片設計的迭代週期會從傳統的兩年壓縮到更短。到那時候，勝負的關鍵就不再是誰的架構領先，而是誰能更快地把新架構推出來。而這一點，OpenAI顯然已經在加速了。
說真的，Jalapeño的數據再漂亮，對你我的日常影響不會立刻發生。但如果你是在做AI應用的開發者、或是公司內部在評估算力採購的人，現在就該開始關注這條線——因為當算力供應鏈開始鬆動，你手上的選擇權也會跟著變多。別等到明年Jalapeño廣泛部署了才來研究，那時候你可能已經簽了一張兩年的NVIDIA合約。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
OpenAI Jalapeño晶片比NVIDIA GB200快多少？
根據SemiAnalysis的InferenceX基準測試，Jalapeño在峰值吞吐量上比GB200 NVL72多出1.5到1.9倍，端到端延遲低1.7到3.6倍，超低延遲情境下最快可達4.1倍。
OpenAI會把Jalapeño晶片賣給其他公司嗎？
短期內不會。OpenAI硬體負責人Richard Ho明確表示，內部運算需求龐大，連自用都供不應求，沒有對外銷售的空間。
Jalapeño什麼時候可以買到或用到？
Jalapeño預計2026年稍晚以有限數量部署在OpenAI資料中心，2027年才會廣泛部署。但目前僅限OpenAI內部使用，不對外銷售。
Jalapeño是在AI輔助下設計的嗎？
是的。OpenAI表示部分設計流程運用了AI輔助，這讓開發速度比傳統方式更快，第二代晶片已進入深度開發，第三代也已在進行中。
OpenAI用了哪些模型測試Jalapeño？
OpenAI用三款模型進行測試：自家的gpt-oss-120b、DeepSeek-R1，以及Kimi K2.5，結果顯示這套架構對內外部模型都適用。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
