美国时间 8 月 26 日美股盘后，英伟达公布 2027 财年第二季度财报，翻倍增长的营收、利润，再次超出了市场预期。
与此同时，英伟达还罕见地直接给出了下一财年的业绩预期，预计营收将较今年增长 70%。而其新一代产品 Vera Rubin 无疑将是未来强劲增长的重要动力。英伟达还在财报电话会上宣布，相关产品 8 月初已量产出货，有望成为公司历史上出货爬坡最快的产品，预计 Q3 就将贡献 20% 的数据中心收入。根据英伟达此前公布的数据，Rubin 相较前代 Blackwell 架构，推理效率提升 10 倍，大模型训练速度提升 3.5 倍。而黄仁勋则在此次财报电话会上进一步指出，Vera Rubin 对应的每 GW 数据中心营收预计将提升到 400 亿美元，比前代产品高出 60%。
对于接下来的 AI 芯片行业来说，Vera Rubin 的量产交付无疑是最值得关注的 " 重头戏 " 之一。但就在英伟达公布财报的前一天，知名芯片研究机构 SemiAnalysis 最新发布的报告却表示，曾被认为是 " 空头支票 " 的 OpenAI 自研芯片 Jalape o，正在快速 " 追击 " 英伟达旗舰产品，甚至可能会让后者的最强护城河 CUDA 失效。
OpenAI 自研芯片的历程始于 2023 年 10 月。彼时这家大模型顶流与英伟达还是亲密合作伙伴，但后者在 AI 热潮中供应持续吃紧、价格越发高企的状况，也让 OpenAI 开始探索自研方案。
2024 年，项目正式启动，并挖来前 Google TPU 核心工程师 Richard Ho 主导硬件团队。此后又有消息显示，OpenAI 与博通达成深度合作，由博通负责芯片实现，台积电代工。但市场一度有看衰该项目的判断，认为项目耗资巨大但又面临激烈的上游产能竞争和供应链风险，且起步较晚，恐怕无法形成竞争力。即使完全自用，可能性价比也要低过使用市面上的主流 ASIC 芯片。甚至有声音认为，OpenAI 很难完成这款芯片。
今年 6 月下旬，OpenAI 正式发布了首款自研 AI 推理芯片，名为 Jalape o。彼时的信息显示，这款芯片仅供内部使用，不对外销售，且因为上游产能紧张，量产时间从此前的 2026 年下半年推迟至 2027 年。
这似乎一定程度上印证了此前的负面看法，但到了 8 月，OpenAI 公布 Jalape o 性能数据，其单用户 Token 处理量、每瓦吞吐量等推理指标优于英伟达 GB200 等市场主流芯片，还是让不少业内人士感到意外。
而 SemiAnalysis 的最新报告，则将这款芯片的定位又提上了一个台阶。
这份报告首先明确提出，Jalape o 的确是 " 只做推理，不做模型训练 " 的专用芯片，但并非只能供 OpenAI 自用，这款芯片已能适配 DeepSeek R1、Kimi K2.5 等主流第三方开源模型，表现同样不输 GB200。报告还强调，OpenAI 并未过度聚焦模型推理的某个特定部分，而是致力于打造一款能在所有场景下提供高性能的通用推理芯片。
SemiAnalysis 还认为，Jalape o 甚至不该与 Blackwell" 同台竞技 "，而应该直接 PK 英伟达还未批量交付的 Rubin。报告称，Jalape o 与 Rubin 均搭载新一代内存 HBM4，且走向市场的时间更为接近，也均面临 Token 需求大爆发的推理时代，本质上二者才是真正的同代产品。
而根据 SemiAnalysis 给出的数据，Jalape o 在能效上 " 完胜 "Rubin，能以 700W 低功耗实现出色性能，而 Rubin 的对应功耗为 900-1150W；在总拥有成本（TCO）上，二者大致持平，但在原始算力上，Rubin 仍明显领先。不过，报告也同时指出，Jalape o 毕竟是推理专用芯片，且只是工程样品，相对于兼顾训练、且已临近全面量产的 Rubin，必然会在特定指标上有明显优势。
不过，相比于性能对标，报告中还给出了更关键也更劲爆的论断，那就是 Jalape o 可能正在让 CUDA 护城河失效。
根据 SemiAnalysis 的分析，这款芯片能在较短的研发时间内取得良好表现，尤其得益于其激进的软硬件协同策略。
而其中的关键，正是 OpenAI 在 CUDA 外 " 另起炉灶 "，为 Jalape o 开发了名为 Gluon 的专用编程语言和内核编程模型。与此同时，OpenAI 还利用 Codex 来编写和优化 Jalape o 的底层内核代码，让新模型能快速适配自研芯片，极大降低了迁移成本。
如果 Jalape o 的真实表现和市场反馈能够符合目前的 " 纸面数据 "，那么其绕过 CUDA 的方式很可能会成为 AI 芯片研发的新路径，这无疑会动摇 CUDA 生态。
另一方面，报告还认为，Jalape o 如果成功，就将为包括 OpenAI 自身在内的英伟达客户提供更强的议价能力，并替代部分推理芯片的采购份额，从而影响后者的高利润率。
实际上，近两年来随着云厂商、模型厂商自研芯片的风潮和 "AI 泡沫论 " 的不断翻涌，" 天下苦英伟达久矣 "" 终结 CUDA 护城河 " 等说法层出不穷。在这背后，是包括中国、美国的芯片厂、模型厂、云厂商，甚至 AI 应用厂商希望突破英伟达生态壁垒，分食其高利润的心态和尝试。实际上，OpenAI 的竞争对手 Anthropic 今年也曾通过 Claude 模型，在一个周末内用 AI 编程，完成其自身前沿模型在英伟达竞争对手 AMD 芯片架构上的部署与性能调优。有趣的是，这些最新的 AI 辅助设计手段，曾经都来自英伟达芯片提供的算力，但它们可能正通过大幅降低迁移成本，让 CUDA 的护城河逐渐松动。
