OpenAI第一颗芯片跑起来了，旁边站的不是英伟达

10月2日，OpenAI 把自家第一颗芯片的部署细节放了出来：Jalapeño ASIC 已经在内部跑起来，跟它搭伙的是一台装了 1.5TB 内存的 AMD EPYC Turin 主机。

负责这件事的是 OpenAI 副总裁兼硬件主管理查德·何（Richard Ho）。他给出的理由只有两个字：务实。原话是 AMD 的 Turin 性能够用、合作伙伴熟悉这套平台、能加快部署；而英伟达今年新推的 Vera CPU，成熟度上"略显落后"。

一台主机 CPU 的选择，为什么值得单独拿出来讲。因为过去两年，大家习惯性盯的是单颗芯片的峰值算力；这次 OpenAI 给出的答案，落在另一套坐标上：成熟度、可交付、控得住风险。

Jalapeño 到底是什么

先讲清楚这颗芯片的定位，很多讨论在这里就跑偏了。

它是一颗 ASIC，也就是专门为某一类任务定制的芯片，由 OpenAI 和博通共同开发、走台积电 3nm 工艺，方向明确写在名字旁边：面向 LLM 的推理加速。它不训练模型，只负责把已经训练好的模型高效地跑起来。

OpenAI 此前公布过的首秀数据是：跑 DeepSeek R1 时，每瓦 AI 吞吐量是英伟达 GB300 的 1.7 倍，延迟也更低。这里要提醒一句，这是 OpenAI 自己公布的口径，不是第三方评测，读的时候要带上这个前提。

它凭什么省电，道理不复杂。GPU 像一辆什么路都能开的越野车，通用意味着要预留大量用不上的电路；ASIC 是把最常见的几种弯道、坡度直接浇筑成专用路面，跑起来轻松，代价是换一条新路就得重新施工。所以 ASIC 只在"任务形状足够稳定"的地方划算——推理恰好就是这种活。

为什么配的不是英伟达的 CPU

一颗加速卡自己跑不起来。它得跟 CPU、内存、网络、散热组成整机，主机 CPU 负责数据搬运、请求调度、系统管理这些配套工作。OpenAI 挑主机搭档时，选的不是"最强"，是"最稳"。

Turin 已经在大量服务器上跑了很久，合作厂商经验足，部署能按周算；Vera 更新，但刚进入市场。把全新加速卡和全新主机平台叠在一起，等于同时押两个不确定项。理查德·何的说法是，Jalapeño 从设计阶段就定了两条原则：去风险和快速落地。性能指标和成本可以激进，平台选择必须落在成熟的工程框架里。

它说明了一件更大的事

AI 基础设施的竞争，正在从"峰值性能"转向"系统匹配"。

过去几年比的是一颗芯片能跑多快；现在比的是芯片、主机、内存、网络、散热这一整套能不能最快装起来、最省地跑下去。对做 AI 应用的团队来说，这是个可借鉴的工程习惯：关键路径上，"选一个已经被验证过的组件"往往比"选一个参数更漂亮的组件"更值钱。参数差 10% 能补，交付晚一个季度补不回来。

三个容易看错的地方

常见说法一：自研芯片成了，英伟达要凉。 有一定道理：OpenAI 确实在把一部分推理负载从通用加速卡上搬走。但它解释不了全部：Jalapeño 只做推理，训练侧仍是另一套体系；而且目前只在内部使用，官方明确说暂无对外销售计划。更准确的理解是，头部公司把"能自己定的部分"自己定掉，把"必须外购的部分"继续外购——不是替代，是分工再切一刀。

常见说法二：选 AMD 是因为 AMD 更强。 有一定道理：AMD 这两年在服务器 CPU 上的推进确实扎实。但它解释不了全部：这次的权重压在成熟度和交付速度上，而不是跑分。更准确的理解是，这是一次工程上的求稳，不是性能榜单的更替。

常见说法三：芯片自研了，用起来就该更便宜。 有一定道理：单位推理成本下降，最终会反映到 API 价格上。但它解释不了全部：成本传导需要规模，内部部署的体量还不够大；ASIC 又只覆盖它被设计出来的那部分工作。更准确的理解是，短期内先受益的是 OpenAI 自己，不是用户的账单。

往下的看点

Jalapeño 只在 OpenAI 内部用，官方留了口子：未来资源允许，不排除推到更广的场景。这句话值得记下来——它决定了这颗芯片是"自家省钱工具"，还是"对外卖的产品"。

还有一点：ASIC 的软肋是模型结构变了怎么办。专用路面的代价，就是路改了要重新浇筑。所以接下来真正要看的不是它这次跑赢多少，而是下一代模型出来时，它能不能用最小的改动跟上。

工程世界里，能把不确定性摁在设计阶段的人，通常笑得更久。这次 OpenAI 摁掉的，是主机 CPU 这一项。

如果觉得今天这篇有启发，点个在看，顺手转发给需要的朋友；想第一时间收到推送，可以星标我⭐。

关注我，每天陪你聪明看世界 —— 看懂热搜，玩懂AI。

作者提示含AI生成内容。作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～