主播
节目简介
来源：小宇宙
OpenAI 公布首颗自研推理芯片 Jalapeño 的首轮实测：在 GPT-OSS、DeepSeek R1 和 Kimi K2.5 三款公开模型上，公司称峰值每瓦吞吐为对比系统的 1.5 至 1.9 倍，端到端延迟低 1.7 至 3.6 倍。
这期不把它简单讲成“OpenAI 打败英伟达”。真正值得注意的是，模型公司开始把芯片、内存、网络、服务软件和真实工作负载一起设计。数据中心逐渐受电力限制，智能体又会把单步等待累积成整条任务的延迟；“每瓦完成多少有效工作”正在取代单纯峰值算力，成为更接近商业结果的指标。
漂亮数字也有边界。SemiAnalysis 到场核验了相关运行，但数字由 OpenAI 提供，完整 InferenceX 套件和更贴近真实智能体负载的 AgentX 尚未执行。Jalapeño 仍是工程样片，采用 HBM4，与 Blackwell 的比较也不是完全同代。真正的考试是量产、稳定运行和同 Rubin 的正面对比。
时间轴
00:03 一颗名字像辣椒的芯片
00:47 三款公开模型测了什么
01:17 每瓦吞吐与延迟成绩
01:54 为什么数据中心开始看每瓦产出
02:27 智能体为什么放大每一步延迟
03:13 prefill、decode 和数据搬运
03:55 OpenAI 为什么要自己做芯片
04:27 AI 反过来怎样加速芯片开发
05:29 漂亮数字的测试边界
06:08 为什么 Blackwell 对比并不完全公平
07:00 对中国模型公司和国产算力的意义
07:37 企业应该比较每元多少次成功任务
08:02 接下来要看四个信号
08:33 从一颗芯片到整套生产能力
资料
OpenAI：Jalapeño’s first results show industry-leading speed and efficiency in AI inference
https://openai.com/index/jalapeno-first-results/
OpenAI：The full stack behind abundant intelligence
https://openai.com/index/the-full-stack-behind-abundant-intelligence/
OpenAI：OpenAI and Broadcom unveil LLM-optimized inference chip
https://openai.com/index/openai-broadcom-jalapeno-inference-chip/
SemiAnalysis：OpenAI Jalapeño: Better Than Nvidia Blackwell
https://newsletter.semianalysis.com/p/openai-jalapeno-better-than-nvidia
InferenceX：Benchmark methodology
https://inferencex.semianalysis.com/about
检索截止：北京时间 2026 年 8 月 26 日 10:20。性能数字来自 OpenAI；SemiAnalysis 到场核验了相关运行，但未执行完整 InferenceX 套件，也未看到 AgentX 结果。Jalapeño 尚未大规模生产部署。
口径与更正：如后续量产数据、AgentX 结果或同代芯片比较与当前公开信息不同，以一手更新为准，本页将同步修订。
评论问题：下一轮 AI 推理竞争，你更看重单颗芯片参数，还是模型、软件和硬件的整套协同？
本节目由施泰隆主编，音频使用 AI 合成声线制作，并经过人工编辑与核验。
这期不把它简单讲成“OpenAI 打败英伟达”。真正值得注意的是，模型公司开始把芯片、内存、网络、服务软件和真实工作负载一起设计。数据中心逐渐受电力限制，智能体又会把单步等待累积成整条任务的延迟；“每瓦完成多少有效工作”正在取代单纯峰值算力，成为更接近商业结果的指标。
漂亮数字也有边界。SemiAnalysis 到场核验了相关运行，但数字由 OpenAI 提供，完整 InferenceX 套件和更贴近真实智能体负载的 AgentX 尚未执行。Jalapeño 仍是工程样片，采用 HBM4，与 Blackwell 的比较也不是完全同代。真正的考试是量产、稳定运行和同 Rubin 的正面对比。
时间轴
00:03 一颗名字像辣椒的芯片
00:47 三款公开模型测了什么
01:17 每瓦吞吐与延迟成绩
01:54 为什么数据中心开始看每瓦产出
02:27 智能体为什么放大每一步延迟
03:13 prefill、decode 和数据搬运
03:55 OpenAI 为什么要自己做芯片
04:27 AI 反过来怎样加速芯片开发
05:29 漂亮数字的测试边界
06:08 为什么 Blackwell 对比并不完全公平
07:00 对中国模型公司和国产算力的意义
07:37 企业应该比较每元多少次成功任务
08:02 接下来要看四个信号
08:33 从一颗芯片到整套生产能力
资料
OpenAI：Jalapeño’s first results show industry-leading speed and efficiency in AI inference
https://openai.com/index/jalapeno-first-results/
OpenAI：The full stack behind abundant intelligence
https://openai.com/index/the-full-stack-behind-abundant-intelligence/
OpenAI：OpenAI and Broadcom unveil LLM-optimized inference chip
https://openai.com/index/openai-broadcom-jalapeno-inference-chip/
SemiAnalysis：OpenAI Jalapeño: Better Than Nvidia Blackwell
https://newsletter.semianalysis.com/p/openai-jalapeno-better-than-nvidia
InferenceX：Benchmark methodology
https://inferencex.semianalysis.com/about
检索截止：北京时间 2026 年 8 月 26 日 10:20。性能数字来自 OpenAI；SemiAnalysis 到场核验了相关运行，但未执行完整 InferenceX 套件，也未看到 AgentX 结果。Jalapeño 尚未大规模生产部署。
口径与更正：如后续量产数据、AgentX 结果或同代芯片比较与当前公开信息不同，以一手更新为准，本页将同步修订。
评论问题：下一轮 AI 推理竞争，你更看重单颗芯片参数，还是模型、软件和硬件的整套协同？
本节目由施泰隆主编，音频使用 AI 合成声线制作，并经过人工编辑与核验。
外观
