📱Ifanr (爱范儿)•最新收集於 4h
OpenAI「Pepper」晶片首測挑戰 Nvidia
💡OpenAI 可能正在打造自研加速器，或將重新改變對 Nvidia 的依賴與 AI 推理成本。
⚡ 30-Second TL;DR
有什麼變化
OpenAI 正開發一款據稱代號為「Pepper」的自研 AI 晶片。
為什麼重要
如果相關結果獲得證實，OpenAI 自研加速器可能降低對 Nvidia 的依賴，並改善推理成本的掌控。不過，硬體效能提升不會自動轉化為用戶降價，因為容量、軟體最佳化與商業策略同樣重要。
下一步行動
持續追蹤 OpenAI API 的價格與延遲公告，並先將生產工作負載與現有 Nvidia 支援的推理方案進行基準測試，再規劃硬體遷移。
誰應關注：Developers & AI Engineers
關鍵要點
- •OpenAI 正開發一款據稱代號為「Pepper」的自研 AI 晶片。
- •該晶片首輪測試據稱在未說明的指標上超越 Nvidia。
- •較低的基礎設施成本未來可能為 ChatGPT 降價創造空間，但目前尚未公布任何價格調整。
- •這項發展顯示 OpenAI 可能希望提高對 AI 運算基礎設施的掌控力。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 7 個來源。
🔑 增強重點摘要
- •該晶片正式名稱為「Jalapeño」，專門針對 AI 推理（Inference）任務進行優化，而非用於模型訓練。
- •OpenAI 透過與 Broadcom 及 Celestica 合作，在短短九個月內完成了從設計到生產的開發週期。
- •Jalapeño 採用台積電（TSMC）3nm 製程，並利用 OpenAI 自身的 AI 模型輔助晶片設計與優化流程。
- •在能效表現上，Jalapeño 的功耗僅為 700W，顯著低於 Nvidia GB200/GB300 系列的 1,200W 至 1,400W。
- •該晶片架構具備高度通用性，已成功測試運行包括 GPT-OSS 120B、DeepSeek R1 及 Kimi K2.5 1T 等多種模型。
📊 競品分析▸ Show
| 特性 | OpenAI Jalapeño | Nvidia GB200/GB300 | Google TPU v5p |
|---|---|---|---|
| 主要用途 | 內部推理優化 | 通用訓練與推理 | 雲端訓練與推理 |
| 功耗 | 700W | 1,200W - 1,400W | 約 450W-600W (單晶片) |
| 吞吐量 | 1.5 - 1.9 倍 (vs GB200) | 基準標準 | 視架構而定 |
| 商業模式 | 僅供內部使用 | 對外銷售 | 雲端租賃服務 |
🛠️ 技術深入
- 架構類型：專用積體電路 (ASIC)，針對大規模語言模型推理進行硬體加速。
- 製程技術：台積電 3nm 先進製程。
- 效能指標：端到端延遲比 Nvidia GB200/GB300 降低 1.7 至 3.6 倍。
- 系統整合：由 Broadcom 提供晶片設計支援，Celestica 負責系統整合與網路架構。
🔮 前景展望AI analysis grounded in cited sources
OpenAI 將於 2026 年底前開始在資料中心大規模部署 Jalapeño。
根據開發路線圖，該晶片已進入生產階段並計畫於 2026 年下半年投入實際運作。
OpenAI 對 Nvidia 的硬體依賴度將在 2027 年顯著下降。
隨著 Jalapeño 進入多代平台發展並持續生產，OpenAI 將逐步轉向自研晶片以支撐其核心產品服務。
⏳ 時間線
2025-11
OpenAI 啟動 Jalapeño 晶片設計專案
2026-08
Jalapeño 完成首輪測試並證實效能超越 Nvidia 現有系統
📎 來源 (7)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Ifanr (爱范儿) ↗
每週 AI 簡報
每週一封，可隨時退訂。