OpenAI自研晶片Jalapeño揭幕，算力自主化浪潮逼NVIDIA重新定價

今天算力版圖的三個角落同時在動，而且方向一致：算力自主化正在從「幾家大型雲端業者的選項」變成全產業的結構壓力。

OpenAI的Jalapeño是今天最具份量的新鮮事件。這枚與Broadcom合作打造的推論ASIC，九個月從宣布到揭幕，定位清晰——不訓練、只跑推論，也就是ChatGPT對話請求和Codex任務執行那個每秒燒算力的環節。Broadcom執行長Hock Tan說性能與NVIDIA Blackwell和Google TPU相當，OpenAI自己說「每瓦性能」將大幅領先現有水準——但同一句話後面接了「仍在測量最終性能」，意思是這些數字還算不了數。Jalapeño今天真正的意義不在性能是否夠強，而在於它讓推論晶片的採購格局多了一個選項：以OpenAI的請求量，Jalapeño的部署從第一天就是大批次，不是小批次試驗。微軟、Meta、Amazon早走了這條路，OpenAI是後來者，但體量決定衝擊不小。

同一天，Qualcomm宣布以40億美元全股票收購AI軟體新創Modular，直接對準CUDA生態。Modular的核心能讓AI模型跨不同晶片架構執行，不用為每款處理器個別寫程式——這是CUDA鎖定數百萬開發者的護城河所在。Qualcomm今年底前準備推出資料中心AI晶片，加上傳出洽談收購Tenstorrent，硬體加軟體同步布局，路線圖已經清晰：它要在NVIDIA主導的算力生態之外，另立一條可走的路。

這兩件事拼在一起，指向同一個產業壓力點：NVIDIA的推論市場正在被一層一層切割。自研ASIC的共同弱點是通用性差——在特定任務上能打贏GPU，換場景就不靈；Modular這類跨架構軟體的意義，正是要把「換場景就不靈」這個問題的門檻壓低。兩條線彼此是互補的，不是孤立的。

真正讓格局判斷更複雜的，是深圳LineShine的超算登頂。九年後中國重回TOP500第一，最值得看的不是排名，是架構：純CPU、零NVIDIA，比美國的El Capitan更快。出口管制沒有把中國的算力天花板釘死，反而在逼迫架構創新走出一條繞開GPU依賴的路。超算算力和AI訓練算力確實不是同一個競技場，TOP500第一名不等於AI算力第一名，但「純CPU架構能跑到exascale」這件事的戰略示範價值是真實的——它向外界證明，在GPU受限條件下仍可在頂級運算指標上超越美國。

把這三件事放在一起，今天真正發生的事是：算力壟斷結構正在多點鬆動。OpenAI從需求側自建晶片，Qualcomm從軟體側瓦解CUDA鎖定，中國從制裁倒逼出架構創新。沒有一條線是今天才開始的，但今天三條線同時有實質進展，這種密度不尋常。對依賴現有算力採購框架做決策的企業而言，「GPU通吃所有場景」的假設正在失效——而取而代之的，不是某個單一替代方案，而是一個選項更多、但每個選項都有邊界的複雜市場。誰能最快弄清楚各種邊界在哪裡，誰就有定價權。