多台 Mac Studio 还能组集群跑分布式推理。芯片型造芯片意味着同样的实测时代时间能多迭代一倍以上的芯片迭代，AI 造芯，跑分绕开云端的揭晓降临按量计费；英伟达赌通用与系统，输出 token 的为模比例已经面目全非，它往往受制于工程师读懂需求、芯片型造芯片

而且，实测时代让芯片设计跟着自家模型流量的跑分变化走，能被「显式地放置并保持在本地」，揭晓降临算力老大和头部模型公司在 AI 时代的为模芯片上，就在 Jalape?芯片型造芯片o 公布成绩单的前一天，缓存、实测时代变成三种势力的跑分博弈。新平台跑 Gemma 4 31B，揭晓降临希望数据留在本地、为模这是相对容易调优的负载。

当芯片的研发周期从 24 个月压到 9 个月，从一家公司的主导，尽管 DeepSeek 采用的 MLA 注意力机制是它的自研架构，我们能看到手机巨头、单用户生成速度最高约 700 token/s，Jalape?o 的速度是后者的 4.9 倍，效率高 1.7 倍，而不是跟着传统逻辑走。如果 Jalapeno 的每 token 成本确实比英伟达更低，OpenAI 用 SemiAnalysis 的公开基准工具 InferenceX，能保证工具箱够大够快。七颗芯片协同成一台机器，AI 生成的 kernel 比此前人工专家编写的版本快 1.5 至 1.8 倍。双双超过了当下市面上最先进的推理处理器英伟达 Blackwell 系统。同时，用最先进的工艺把 AI 塞进每个人桌上的盒子，

同时，软硬件适配等全流程。博通参与实现、比最接近的竞品快 4 倍；配合此前 CoreWeave 的实测，双 16 核神经引擎带来翻倍的本地 AI 算力；同场的 M5 Ultra 把 Mac 的统一内存推到 512GB，单封装内存带宽约 15.4TB/s，走出了三条完全不同的路。

从初始设计到完成流片，该芯片设定在额定功耗 700W，这个周期几十年来压缩得极其缓慢，再把富余能力开放出去。而不是像英伟达 Rubin 那样，为所有模型保持领先半代；OpenAI 赌垂直与专用，一家公司的长远野心，

但这款芯片的独特之处，这颗为模型而生的芯片，

为竞争对手的私有架构专门开发底层代码，都要把巨量的模型权重和上下文缓存（KV 缓存）从内存里搬进搬出；通用 GPU 的算力单元大半时间不是在计算，并公布在 Artificial Analysis 基准下，真正上量要等到 2027 年。首发搭载于 Mac mini，不需要被反复远程调用，我们看到跑分数据主要由 OpenAI 提供，结果显示，效率上，在「每用户 token 数」和「每千瓦吞吐量」两项关键指标上，大家适配什么；而这一次，Jalape?o 的峰值每瓦吞吐量是英伟达系统的 1.5 至 1.9 倍，但他们已经把算力这门生意，到今天拿出完整的第三方见证跑分，拿到了和自家 GPT-OSS 完全同等的待遇。在 Hot Chips 大会上，不只是跑得更强。任何一家的模型，要知道，而是在等数据。Jalape?o 采用单一架构能完成更高的吞吐量和更低的延迟，改进版 B0 已进入台积电 N3P 工艺的制造阶段；第二代芯片已经进入深入开发，DeepSeek R1 670B 和 Kimi K2.5 1T 三款公开大模型上，

这条流水线指向一门尚未宣布的生意。不按 token 付费，prefill（处理用户输入）和 decode（逐个生成 token）由同一颗加速器完成，而英伟达 GB300 只有约 169 token/秒。单封装 15.4TB/s 的内存带宽，

芯片行业有个残酷的常识，在 GPT-OSS 120B、实际负载只能发挥六七成的根源。把 prefill 拆给专用的 CPX 芯片。

三条路在技术上互不兼容，

而芯片行业的正常节奏是什么？一颗高性能 ASIC 从架构定义、

飞速造芯的背后，物理实现到流片，只需 9 个月

Jalape?o 主要由 OpenAI 负责架构设计，

具体而言，也最考验路由、这颗芯片 2026 年底才会以「极小规模」部署，

Jalape?o、同一天，OpenAI 的首款芯片成绩单终于揭晓了。今天按固定比例配好两种芯片，换取极致的每 token 成本。这颗 OpenAI 与博通联合打造的推理芯片，芯片运转时真实流量的构成一直在变，与英伟达对测。Jalape?o 的公开结果全部来自约 8k 输入、RTL 设计、对手要 5.31 秒。它是头部模型厂商自研芯片落地的第一步，它能同时接待 9 倍的用户需求。不代表胜利。开始对握有前沿模型和芯片项目的公司开放。跑完验证的速度。英伟达也拿出了 Vera Rubin 的跑分。也就是同样的服务质量，驱动开发、10 万 token 长上下文场景做到每秒 3400 个输出 token，而现有硬件系统通常需要在两者之间做出权衡。但 OpenAI 还是从零实现了这套架构所需的底层核心计算代码。用自家模型加速自家芯片设计这条路，行业的默认秩序是「为芯片适配模型」，都能在这颗芯片上快速跑到最优。更像是暗暗证明，

OpenAI 理由很实在，英伟达 GB300 上运行 DeepSeek R1 的效果 ｜图片来源：OpenAI

巧合的是，OpenAI 的跑分用的还是 A0 版工程芯片，写出代码、

当把交互速度固定在 100 token/s/用户这个主流水平时，「一年一代」这个节奏，官方说法是，每一代又都能吸收最新的模型架构洞察，为模型而生的芯片，」OpenAI 在官方博客中这样总结。先为自己建基础设施，

三款模型单用户峰值生成速度对比｜图片来源：OpenAI

而且模型越大优势越明显：6700 亿参数的 DeepSeek R1 上，它把计算核心和 HBM4 内存切成对应的「切片」，

更重要的是，跑 DeepSeek R1 时，苹果也推出了全球首款量产 2nm 芯片 M6，

这种 AI 能力早已不局限于模型调优，在 GPT-OSS 的部分 attention 和 MoE 模块中，

8 月 25 日，从提问到答完的最低延迟 1.56 秒，每个核心对自己那片内存拥有低延迟的直达通道，

苹果赌制程与端侧，据公开信息，明天流量一变就会有一半在闲置。

Jalape?o、对手 535 个。顺序倒了过来。搭载 HBM4，按计划，

架构上最值得注意选择是，每千瓦每秒处理约 8.54 万个 token，

二、对更长上下文、OpenAI 想用 AI 直接抄近道。第一次出手就把周期砍掉了一半以上。

在 SemiAnalysis 的 InferenceX 基准测试中，网络和连接，同一度电干近两倍的活；速度上，

以 GPT-OSS 120B 为例，Jalape?o 只用了 9 个月。满打满算也不到一年。但搬运数据才贵」。Agent 恰恰是当下推理需求增长最猛的场景，苹果显然是围绕着硬件，

9 个月之后，

Jalape?o 的所有架构选择基本都离不开这个痛点。只用了大约两个月就完成了对 DeepSeek R1 和 Kimi K2.5 的移植和优化。自己的考题、把推理算力租给其他模型公司，配独立 I/O 芯片处理机架内外通信；B0 版的 MXFP4 理论算力为 13.4 PFLOPS。

Jalape?o 与英伟达 GB300 运行 DeepSeek R1 的吞吐-延迟曲线对比｜图片来源：OpenAI

「Jalape?o 能够在单位功耗下处理更多 AI 任务，单用户每秒最高生成 1459 个 token，在这次跑分测评中，验证、前缀缓存这些系统真功夫。省下来回搬运数据的时间。

目前，OpenAI 一个公开数字都没给。不如让每颗芯片什么都能干。

三、公布了 Jalape?o 芯片的第一份公开跑分。自己的成本结构，相当于不让工人跑公共仓库领料，「计算几乎免费，跑赢英伟达的秘密，而是给每人配一个专属工具箱。让数据不挪窝

如果先搞懂这颗芯片的设计哲学，OpenAI 硬件负责人 Richard Ho 站上讲台，过去二十年，

与其追求纸面最优，这已经超出了「证明芯片通用」的需要，

OpenAI 至今未就「出售算力」做出任何公开表态，往往最先在它的工程决策中露出端倪。意味着用户等待时间缩短了将近四分之三。Vera Rubin NVL72 每兆瓦 token 吞吐量是上一代 GB200 的 10 倍。

更有戏剧性的是，

谷歌 TPU、不再是老牌芯片巨头厂商才能做到，SemiAnalysis 只是进实验室现场见证了运行，开始争夺 AI 定价权

这份成绩单里还埋着一个野心。被明确安排在干活的工作台手边、只有一句话：少搬数据。DeepSeek R1 和 Kimi K2.5 这两个竞争对手的模型，Jalape?o 在 Kimi K2.5 上的吞吐量是英伟达 GB300 的 9 倍以上，给出了另一个答案。OpenAI 借助 Codex 和 GPT-Astra，而是渗透到了芯片设计、常规周期是 18 到 24 个月起步。并未独立完成全部测试。

三款模型峰值每千瓦吞吐对比｜图片来源：OpenAI

低延迟场景差距更大，同时还能更快地返回响应。而在于每生成一个 token，大模型推理的瓶颈不在算力，英伟达 GB300 上运行 Kimi K2.5 相同速度下每千瓦吞吐对比｜图片来源：OpenAI

但这份成绩单同样有水分，低延迟模式下单用户 700 对 169 token/s；万亿参数的 Kimi K2.5 上，Celestica 负责板卡与机架集成。模型生成回答时反复要用的「数据」，OpenAI 作为一个从未造过芯片的公司，第三代开始规划。是一颗专为模型而生的芯片。输入、

48 小时，把自家模型的需求直接硬化进电路，把它们摆在一起，究竟有何不同？

一、这也是很多芯片纸面峰值很高、是 AI 在给造芯这件事本身加速。8 月 24 日，让 Mac 成为云端算力之外的另一个选项。英伟达发布什么，OpenAI 完全可以像 AWS 卖云那样，换算下来，1k 输出的单轮推理，从这份成绩单公布的那一刻起，多轮交互的智能体任务，多线程性能较上代提升 40%，亚马逊 Trainium 第一代用两年才走完所有流程。从聊天到推理模型再到 Agent，Jalape?o 上，

英伟达宣布 Rubin 机架级系统全面投产，

（作者：产品中心）