片Jal款自研芯正式亮相性能碾压英伟达GnAI首

Jalapeño的碾压核心目标是把大模型推理的总体拥有成本降约50%，单卡推理的英伟研芯时候，比英伟达GB300要好上不少！款自

最夸张的正式是开发周期，推理占AI全生命周期算力负载的亮相80%到90%，GB300得接近6秒，碾压OpenAI公布了首款自己研发的英伟研芯芯片Jalapeño的性能测试数据，为什么能那么快？款自因为芯片开发全程大量采用了AI辅助设计。行业常规是正式18到36个月，不做训练，亮相

短期来看，碾压

8月25号，英伟研芯在能效和延迟这两个关键指标方面，款自Jalapeño今年年底才规模化部署，正式但这款芯片从设计启动到流片就用了9个月！亮相

一颗700W的芯片干1400W的活，

OpenAI官方公布的推理性能数据：GPT-OSS 120B模型下，标称TDP只有700W——GB300是1400W，亚马逊都在推自研推理ASIC，电费省一半，Meta、搭配定制Arm CPU和博通Tomahawk交换芯片，

每瓦混合吞吐量比GB200高出1.9倍，是最大的算力市场。不会抢英伟达的第三方客户。下一代Rubin平台1800W起步。Jalapeño是纯推理芯片，配HBM4高带宽内存。端到端推理延迟低约1.7倍；在DeepSeek R1 670B这种大参数模型上，各种开源大模型都能流畅运行，700W的Jalapeño也稳压1400W的GB300。摆脱对通用GPU的依赖。而且只自用不对外卖，Jalapeño不只是适配GPT系列，这也足够让英伟达有些头疼了。

第三方半导体机构SemiAnalysis测出来的数据是，GB200才535 tokens/s，

台积电3nm工艺，从设计之初就围绕大模型推理负载优化，

还有一个细节，吞吐量差不多是1459 tokens/s，对OpenAI这种按token计费跑推理的巨头来说，差不多有2.7倍的优势，

先看配置。砍掉了通用GPU所有图形计算冗余。这就说明它的架构有一定通用性。Jalapeño就只要1.65秒，这个和博通一起开发的推理专用ASIC，端到端任务延迟，但现在谷歌、

OpenAI为什么要自己做芯片？答案就一个词：成本。差距有3.6倍。甚至还能移植运行经典游戏《Doom》，省下来的钱是天文数字。