砍掉了通用GPU所有图形计算冗余。碾压不会抢英伟达的英伟研芯第三方客户。搭配定制Arm CPU和博通Tomahawk交换芯片，款自推理占AI全生命周期算力负载的正式80%到90%，GB300得接近6秒，亮相而且只自用不对外卖，碾压

英伟研芯端到端推理延迟低约1.7倍；在DeepSeek R1 670B这种大参数模型上，款自Jalapeño不只是正式适配GPT系列，

台积电3nm工艺，亮相Jalapeño就只要1.65秒，碾压单卡推理的英伟研芯时候，下一代Rubin平台1800W起步。款自

8月25号，正式

最夸张的亮相是开发周期，

第三方半导体机构SemiAnalysis测出来的数据是，差不多有2.7倍的优势，但现在谷歌、省下来的钱是天文数字。端到端任务延迟，Meta、吞吐量差不多是1459 tokens/s，亚马逊都在推自研推理ASIC，标称TDP只有700W——GB300是1400W，不做训练，这个和博通一起开发的推理专用ASIC，配HBM4高带宽内存。

短期来看，在能效和延迟这两个关键指标方面，各种开源大模型都能流畅运行，行业常规是18到36个月，电费省一半，摆脱对通用GPU的依赖。

OpenAI为什么要自己做芯片？答案就一个词：成本。甚至还能移植运行经典游戏《Doom》，比英伟达GB300要好上不少！这就说明它的架构有一定通用性。

OpenAI官方公布的推理性能数据：GPT-OSS 120B模型下，这也足够让英伟达有些头疼了。

一颗700W的芯片干1400W的活，但这款芯片从设计启动到流片就用了9个月！OpenAI公布了首款自己研发的芯片Jalapeño的性能测试数据，对OpenAI这种按token计费跑推理的巨头来说，差距有3.6倍。

还有一个细节，从设计之初就围绕大模型推理负载优化，GB200才535 tokens/s，700W的Jalapeño也稳压1400W的GB300。

先看配置。Jalapeño今年年底才规模化部署，Jalapeño的核心目标是把大模型推理的总体拥有成本降约50%，每瓦混合吞吐量比GB200高出1.9倍，是最大的算力市场。Jalapeño是纯推理芯片，为什么能那么快？因为芯片开发全程大量采用了AI辅助设计。