首款能比肩 Rubin、TPU 的 ASIC：OpenAI Jalapeno 如何打破晶片設計門檻？

OpenAI 於 8 月 25 日公布了與博通（Broadcom）共同開發的首款客製化推理晶片 Jalapeño 的實測數據，並宣稱在效能功耗比（perf/watt）上超越 Nvidia GB300，有望與下一代 Rubin 及 Google TPU 並駕齊驅。

消息一出，科技圈一方面認為這是雲端巨頭自研 ASIC 浪潮的又一里程碑，將衝擊輝達護城河；另一方面也有聲音指出，這份 benchmark 由 OpenAI 自行提供，測試條件與 Rubin 並不對等，短期仍難以動搖輝達。

本文將整理 Jalapeño 的技術重點、AI 參與晶片設計的敘事，以及市場對其長期影響的分歧看法。

Jalapeño 是什麼？規格與首波實測結果

Jalapeño 作為 OpenAI 第一款自研推理晶片，採用台積電 N3P（3 奈米）製程打造，由博通負責矽實現與網路互連技術，屬於「雲端業者自研 ASIC、委由專業晶片設計服務商落地」的模式，與 Google TPU、Amazon Trainium 相同。

規格上，Jalapeño 配備 6 顆 HBM4 記憶體堆疊，總容量 216 GiB，頻寬達 15.4 TB/s，pin speed 為 10 Gbps，略高於 Nvidia Rubin 規劃的 9.6 Gbps；標稱熱設計功耗（TDP）為 700W。

效能表現方面，OpenAI 官方公告指出：「在以 GPT-OSS 120B 模型進行的測試中，Jalapeño 相較於對照組的商用系統，展現出更高的每千瓦峰值吞吐量與更低的 token 延遲，在 DeepSeek R1 與 Kimi K2 上也表現強勁，證明其效能優勢可跨模型家族延伸」。

以吞吐量計算，OpenAI 宣稱 Jalapeño 對比 Nvidia GB200 系統，每千瓦吞吐量有 1.5 倍至 1.9 倍的優勢，端到端延遲則低了 1.7 倍至 3.6 倍。

九個月流片：AI 助攻設計晶片，是效率革命還是行銷話術？

這次發布真正引發討論的，其實不只是效能數字，而是 OpenAI 強調「用 AI 設計晶片」的開發過程。官方部落格以「我們用 AI 設計晶片，也把晶片設計成能讓 AI 寫程式」為題，說明團隊透過內部模型 GPT-Astra 搭配 Codex，協助探索電路實作方案、縮短設計與驗證迴圈，並持續針對模型工作負載進行迭代優化。

 OpenAI 官方表示：「Codex 與 GPT-Astra 參與了 Jalapeño 的開發，讓團隊能在九個月內完成從初始設計到流片（tapeout）的全過程；AI 也協助優化了晶片的算術電路，讓團隊得以在既定時程內塞入更多運算效能。」

九個月就 tapeout，相較於業界一般 ASIC 動輒一年以上的設計週期，可以說是相當短。

Citrini 分析師 Jukan 對此強調：「Jalapeño 讓我意識到」他認為，隨著 AI 輔助設計工具日趨成熟，設計與工程端的護城河會逐漸被侵蝕，而真正的護城河將收斂到製造端，也就是台積電這類晶圓代工廠，直到未來機器人技術成熟到足以撼動製造業。

他耐人尋味地拋出疑問：「當半導體設計的護城河被侵蝕後，誰會是受益者？」

三星 HBM4 獨家供應，恐限制 Jalapeño 擴產空間

另一方面，目前確認 Jalapeño 的 HBM4 由三星獨家供應，雖然其規格在 pin speed 上優於 Rubin，但 Jukan 提醒，若 OpenAI 持續完全依賴三星供貨，擴產速度將受制於單一供應商的產能與良率，難以達到 Rubin 等級的出貨規模。

他判斷，OpenAI 未來若要突破產能天花板，可能得調降 HBM4 的速度規格門檻，以便同時導入 SK 海力士或美光的 HBM4 產品，分散供應風險。

另一位分析師 Zephyr 則認為，OpenAI 並不需要做到像 Nvidia Rubin 的規模量能：「若到 2028 年後，Jalapeño 及其後續世代晶片能承擔 OpenAI 自身算力部署的 25% 至 35%，對 OpenAI 而言，目標就成功了。」

OpenAI 的目的是什麼？輝達護城河會受到動搖嗎？

那麼 OpenAI 為什麼會選擇在此時公布 Jalapeño 呢？

AI 半導體交易員 @labubu_trader 對此表示，OpenAI 在整合晶片、機器學習框架與硬體協同設計的經營方向，長期看來確實具有潛力，但至少未來三年內，不可能在軟體堆疊上超越輝達。理由是 OpenAI 缺乏晶片設計領域的人才，這也不會是公司現階段的優先事項。

他認為 Jalapeño 的戰略定位從一開始就不是「與輝達競爭」或「轉換業務」，而是為 OpenAI 增加一個替代方案，同時作為與輝達的議價籌碼。其中，OpenAI 官方文件有關 Jalapeño 的多世代路線圖便是最好的例證。

OpenAI 自研晶片給產業與台灣供應鏈的啟示

總結而言，Jalapeño 對產業的影響可以歸納為兩個層次：

第一，這是繼 TPU、Trainium 之後，第三家超大規模雲端業者透過博通進入自研推論晶片賽道，證明「ASIC 設計服務商＋晶圓代工廠」的商業模式正迅速被複製，對博通（AVGO）、聯發科（2454）這類客製化晶片設計服務商是明確利多。

第二，AI 輔助晶片設計工具的成熟度提升，長期有望壓低晶片設計的進場門檻，把產業護城河進一步集中到台積電為首的先進製程與先進封裝產能上。有望強化台灣半導體供應鏈的競爭壁壘。