根據半導體權威分析機構SemiAnalysis於2026年6月25日發布的最新測試報告，OpenAI首款自研AI晶片「Jalapeño」（墨西哥辣椒）在實測中展現驚人效能，其每兆瓦功耗下的Token吞吐量全面擊敗輝達現役的Blackwell晶片，甚至在多項指標上領先尚未量產的下一代Rubin。這份報告選在輝達即將於26日美股盤後公布財報前夕釋出，時機耐人尋味。
SemiAnalysis團隊取得Jalapeño工程樣片後，進入OpenAI實驗室以自家InferenceX工具進行實測。數據顯示，Jalapeño在幾乎所有測試場景的「性能／瓦特」比值都勝過Blackwell；在DeepSeek R1低並發測試中，更跑出每位使用者每秒超過700個Token的成績，Kimi K2.5與GPT-OSS部分測試甚至上看1400 Token。這些數字背後真正的震撼點在於——所有成績都是在沒有啟用多Token預測（MTP）、推測解碼及Prefill-Decode分離等最佳化技術的情況下跑出來的。換句話說，這還只是這顆晶片的「基本盤」。
每兆瓦效能完勝Blackwell，Jalapeño的真正對手是Rubin
SemiAnalysis的報告明確指出，Jalapeño擊敗已上市的Blackwell並不令人意外，真正的看點在於它與輝達下一代Rubin晶片的較量。測試結果顯示，Jalapeño每兆瓦的單Token預測（STP）吞吐量甚至高於Vera Rubin的多Token預測結果，每美元產出的Token數則與Rubin大致打平。
從硬體規格來看，Jalapeño採用台積電N3P製程，B0版本的每瓦性能較早期A0提升約25%，單晶片理論運算力達13.4 PFLOPs，熱設計功耗（TDP）僅700W，遠低於Rubin單一運算晶片的900至1150W。搭配HBM4記憶體後，每封裝記憶體頻寬更高達15.4TB/s。
資料來源：SemiAnalysis測試報告，2026年6月
SemiAnalysis認為，若Jalapeño未來加入推測解碼技術，其成本效益還可能進一步提升。這意味著OpenAI在硬體功耗效率上已經找到了一條不同於輝達的技術路徑——不是靠堆疊更高功耗的運算晶片，而是靠更精準的架構設計與軟硬體協同來榨出每一瓦的效能。
編輯觀點：從產業面來看，SemiAnalysis這份報告最值得注意的不是「Jalapeño贏了Blackwell」這個結果，而是OpenAI從零開始到完成流片只花了約16個月。對比輝達累積了超過十年的CUDA生態系，這個開發速度意味著AI晶片設計的門檻正在快速降低。如果OpenAI能在2027年量產前解決工程樣片階段的穩定性問題，我們可能真的會看到AI算力市場從「一家獨大」走向「兩強並立」的新格局。不過話說回來，工程樣片跟量產晶片之間還有一條巨大的鴻溝，輝達的護城河不會在一天之內消失。
軟硬體協同作戰：OpenAI如何用AI打造AI晶片
Jalapeño背後的開發故事，或許比晶片本身的效能數據更讓輝達感到壓力。SemiAnalysis指出，OpenAI自2024年中啟動Jalapeño設計專案，從招募團隊到完成流片僅耗時約16個月，這在半導體業界堪稱「光速」——傳統晶片從設計到流片通常需要2到3年。
更關鍵的是，OpenAI並非單純依賴博通的硬體設計實力，而是投入大量資源在軟體層面。報告揭露，OpenAI利用自家AI編碼工具Codex協助開發晶片核心與底層軟體，同時打造了自有的Gluon程式語言。這種「用AI設計AI晶片」的作法，等於在軟體層面建立了一套屬於自己的工具鏈。
令人意外的是，Jalapeño並未過度專攻模型推理的某個特定環節，而是朝著通用型晶片的方向設計。SemiAnalysis的測試涵蓋了DeepSeek R1、Kimi K2.5、GPT-OSS等多種不同架構的模型，Jalapeño在各種工作負載下都維持了高效能表現。這顯示OpenAI的目標不是打造一顆「推理專武」，而是一顆能夠應對未來各種AI模型變化的「長青晶片」——這恰恰是輝達GPU最引以為傲的優勢所在。
2027年量產才是真正考驗，目前數據仍需審慎看待
不過，在興奮之餘有幾個關鍵前提必須釐清。首先，Jalapeño目前仍處於工程樣片階段，量產預計要到2027年才會逐步爬坡。從工程樣片到穩定量產之間，還有良率提升、封裝測試、散熱解決方案等一系列硬體挑戰等待克服。
其次，SemiAnalysis在報告中坦言，現階段的測試數據均由OpenAI提供，測試也主要集中在8k1k工作負載，尚未完成完整的InferenceX及AgentX測試。這意味著這些數據更適合被視為「對輝達的一記警告」，而非正式宣告GPU霸主地位已經易主。
資料來源：SemiAnalysis InferenceX實測，2026年6月
還有一個值得注意的變數：Jalapeño的測試數據集中在8k1k工作負載，這在實際大規模部署場景中是否能夠維持同樣水準，仍有待更完整的驗證。SemiAnalysis也表示，後續將進行更全面的InferenceX及AgentX測試，屆時才會有更完整的效能輪廓。
數據背後的啟示
綜合SemiAnalysis的測試報告，可以歸納出幾個關鍵結論。第一，Jalapeño在功耗效率上的表現確實具備顛覆市場的潛力——700W的TDP搭配15.4TB/s的記憶體頻寬，讓OpenAI在「每瓦效能」這個AI資料中心最頭痛的指標上取得了領先。在電力成本已成為AI基礎設施最大變數的今天，這個優勢絕非紙上談兵。
第二，OpenAI的開發速度證明了AI晶片設計正在經歷一場「民主化」革命。傳統上被認為需要數年積累的晶片開發能力，在AI輔助工具和台積電先進製程的加持下，開發週期被壓縮到16個月。這對輝達的警示不在於「今天失去訂單」，而在於「明天可能出現更多像OpenAI這樣的挑戰者」——Google、Amazon、Microsoft都有自己的晶片計畫，而現在連模型開發商都開始具備自研晶片的能力。
第三，也是最值得深思的一點：Jalapeño證明了「通用型AI晶片」的路線不僅可行，而且可以在特定場景下超越專注於單一應用的解決方案。這打破了業界長期以來「專用晶片一定比通用晶片更高效」的迷思。真正的效能瓶頸或許不在於硬體架構本身，而在於軟體與硬體之間的協同深度——而這正是OpenAI最擅長的領域。
當然，2027年量產之前還有太多變數。良率、成本、散熱、軟體生態系的完善程度，每一個環節都可能成為Jalapeño從「工程驚嘆號」變成「量產問號」的關鍵。但至少從這份報告來看，黃仁勳口中「對手需要兩年才能追上來」的自信，恐怕得稍微修正一下了。
【行動呼籲】如果你正在評估AI算力採購策略，現在或許是時候開始關注OpenAI這條技術路線的進展了。建議密切追蹤SemiAnalysis後續的完整InferenceX測試報告，同時將Jalapeño的量產時程納入2027年之後的硬體採購規劃中——畢竟，每瓦效能這個指標，在電費持續上漲的未來只會越來越重要。
本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。
常見問題 FAQ
OpenAI Jalapeño晶片什麼時候可以買到？
Jalapeño目前仍是工程樣片階段，量產預計要到2027年才會逐步爬坡，屆時OpenAI可能優先供應自家資料中心使用，短期內不會對外零售。
Jalapeño真的比輝達Rubin還強嗎？
根據SemiAnalysis測試，Jalapeño在每兆瓦單Token預測吞吐量上勝過Vera Rubin，每美元Token產出則與Rubin打平。但測試數據由OpenAI提供，且Rubin尚未量產，現階段宜視為「警告」而非「定論」。
Jalapeño用誰的製程？功耗多少？
Jalapeño採用台積電N3P製程，熱設計功耗（TDP）僅700W，搭配HBM4記憶體後每封裝頻寬達15.4TB/s，功耗效率是本次測試的最大亮點。
OpenAI為什麼要自己設計晶片？
OpenAI自研晶片的主要目的是降低對輝達GPU的依賴、控制算力成本，並針對自家模型架構進行軟硬體協同最佳化，Jalapeño從設計到流片僅花16個月，展現了極高的開發效率。
這代表輝達的GPU霸主地位不保了嗎？
現階段還不能這麼說。Jalapeño要到2027年才量產，而輝達的CUDA生態系和量產經驗仍是巨大優勢。但這份報告確實顯示AI晶片市場的競爭格局正在發生質變。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
