8 月 25 到 26 日，X 上有两条帖子被分开转发，各自都刷了不少量。傻狗先把这两条是什么讲清楚，再说自己的看法。
第一条来自 @firesidealpha（Fireside Alpha），转述的是 SemiAnalysis 的分析师 Jordan Nanos 在一档播客里的话。核心是一句：OpenAI 自研的这颗芯片，在"快 token"和"便宜 token"两条曲线上同时赢过英伟达。Nanos 的原话是"结论就是他们基本上两边都赢了"，然后他点了名——Groq、Cerebras、d-Matrix、SambaNova 这些押 SRAM 的，说自己要的是解码速度、低批量、不管吞吐；AMD 以及 TPU、Trainium 这些是奔着吞吐去的，然后承认"我们在高交互性那头拼不过对方"。每一家挑战者都只能选曲线的一端，而 OpenAI 这颗芯片两头都能干，而且干得很好。
第二条是中文博主 @MaxForAI 转的另一段 Nanos 的话，标题起得很吓人：「OpenAI 的工程师已经看不懂自己的代码了」。内容是说，在看 OpenAI 自研芯片的底层 kernel 代码时发现，里面已经有大量代码是 AI 直接生成的；其中一段用于 DeepSeek MLA 的 kernel，OpenAI 的工程师对硬件和整个系统都很熟，但让他们逐行解释，基本只能回答"不知道它具体在干嘛，但它能跑，而且性能很好"。内部还在用一套叫 Gluon 的、基于 Triton 的低级 kernel 编程语言。这条帖子的结论是：「这有点吓人……这意味着我们可能已经没有能力控制 AI 失控了。」
背景补一句：这两条的源头都是 2026 年 8 月的 Hot Chips 2026 大会。OpenAI 在会上第一次公开了它和博通（Broadcom）联合开发的自研推理芯片，代号 Jalapeño（西班牙语「墨西哥辣椒」），并同台请上了博通和 Celestica 的团队。会后 OpenAI 官网也放了首批基准成绩。
好，背景讲完。下面是傻狗读完全部一手资料之后的判断。
傻狗的判断：这两条不是两件事，是一件事
而且因果方向，跟大家转发的方式是反的。
不是"芯片牛所以敢让 AI 写代码"，是"AI 能写 kernel 了，这颗芯片才有可能两边都赢"。
真正被重新定价的东西，既不是英伟达的硅，也不是"人类失去控制"，是那本二十年攒下来的手写 kernel 老账。
下面拆开讲。
一、「赢了英伟达」，先问是哪个英伟达
Jalapeño 的账面数据确实好看。700 瓦封装功耗，216 GiB HBM4 显存，15.4 TB/s 带宽，13.4 PFLOPS 的 MXFP4 算力。对面 GB200 是 1.2 千瓦，GB300 是 1.4 千瓦，AMD 的 MI355X 也是 1.4 千瓦。
在 InferenceX 基准上：跑 gpt-oss 120B 对 GB200，每千瓦 token 吞吐高 1.9 倍、端到端延迟低 1.7 倍；跑 DeepSeek R1 670B 对 GB300，1.7 倍吞吐、3.6 倍延迟；跑 Kimi K2.5 万亿参数模型，1.5 倍和 3.4 倍。
问题出在这里：GB200 和 GB300 是 HBM3e 世代，Jalapeño 是 HBM4。
这不是傻狗在挑刺——SemiAnalysis 自己在文章里写的就是这个对比"不完整、不公平"，并且直接点名：真正的同代对手是同样用 HBM4 的 Vera Rubin。而一旦跟 Rubin 比，结论立刻变了味道：每美元产出的 token 数「基本打平」。
还有三件事把这个对比进一步稀释：
至于那个被到处引用的「104 倍吞吐」，看清楚它的定语——那是"在对方能达到的最快 TBT 那个点上"的吞吐比。任何芯片在对手工作区间的极限边缘都能刷出夸张倍数，这个数字的信息量是全场最小的。
但公平起见，有一点是反过来的：Jalapeño 的成绩是不带投机解码跑出来的，而 Rubin 在 2026 年 7 月的对照结果用了多 token 预测（一次前向吐多个 token，会显著抬高吞吐读数）。也就是说这一项上，是 OpenAI 让着对手在打。OpenAI 说上了多 token 预测（7 次草稿 + 1 次大模型，单周期最多 8 个 token）还能再拿 3 到 5 倍。
所以傻狗不认为"Jalapeño 不行"。傻狗认为的是：它已经赢了，但赢的方式和媒体说的不是一回事。
二、OpenAI 根本不需要赢，打平就够了
所有把这件事读成"性能竞赛"的分析，都漏掉了 OpenAI 的约束条件。
先问一句：一家已经把上万亿美元算力承诺签出去的公司，为什么要花十五个月自己造芯片？
不是因为它觉得自己能设计出比英伟达更好的芯片。是因为它买的每一块钱推理算力里，有相当大一块是英伟达的毛利。英伟达常年 70% 以上的毛利率意味着：只要 Jalapeño 在性能上跟 Rubin 打平，OpenAI 的推理成本结构就发生了一次结构性下移。
你不需要设计出更好的芯片，你只需要设计出一颗不用付溢价的芯片。
所以 SemiAnalysis 那句「每美元 token 基本打平」，在媒体嘴里是"没那么厉害"，在 OpenAI 的损益表上是目标已经达成。
第二个约束更硬：数据中心是电力受限，不是芯片受限。
这是理解 OpenAI 为什么把核心指标定成"每焦耳 token"而不是"每美元 token"的关键。同一个变电站的供电额度是固定的，1.5 倍的 tokens/kW 不是省了 33% 的成本，是从同样一度电里多榨出 50% 的可售产能。在算力紧张、电力审批周期以年计的环境里，这个换算关系比价格重要得多。700 瓦对 1.4 千瓦这件事，本身就是产品定义，不是工程副产品。
顺带说一句关于信源的结构：InferenceX / InferenceMAX 是 SemiAnalysis 自己做的基准，Jordan Nanos 是他们做基准这条线的人。OpenAI 选择在这个基准上公开成绩，等于把它抬成了行业标准。这不是说数据有假——数据是开源可复现的——但"挑战者用我们的尺子量赢了霸主"对出尺子的人是最好的结果，读结论的时候心里有这根弦就行。
三、为什么以前的挑战者只能选一边
Nanos 那段话里最有价值的其实不是"OpenAI 赢了"，是他顺手描述的那个格局：没有一家挑战者能同时占住曲线的两端，只有英伟达可以。
大家默认的解释是"物理上必须取舍"——SRAM 快但小，HBM 大但慢，你只能挑一头。
这个解释是错的，或者说只对了一半。因为英伟达用的也是 HBM，它并没有绕开物理定律，它照样占住了两端。
真正让别人只能选一边的，是两件跟硅无关的事。
第一，你要卖给谁。
Groq、Cerebras 卖的是通用商品芯片，客户会拿它跑各种他们没见过的模型。所以它们必须在流片那一刻就把内存层级押死，而且赌注不可撤回。
OpenAI 只有一个客户——它自己；只需要跑几个它自己设计的模型架构；甚至可以反过来改模型去迁就芯片。这不是工程能力差异，是商业身位差异。
第二，也是关键的那一条：占住整条曲线是一笔人力账单。
曲线上每一个工作点——每个批大小、每个序列长度、每个算子形状、每个数据类型——都需要一个单独调过的 kernel。
英伟达之所以能守住整条前沿，不是因为它的硅在物理上更优，是因为它有二十年攒下来的、覆盖了空间里每一个点的手写 kernel 库。
CUDA 的护城河从来不是硅，是那本账。
没有哪家创业公司雇得起那么多 kernel 工程师，所以它们只能选一个点，把它调到极致，然后管这叫"战略聚焦"。
接缝就在这里：一个成立十五个月的芯片项目之所以能占住整条曲线，是因为它把那笔以前只有英伟达付得起的 kernel 人力账单，用 Codex 付掉了。
四、一个 8k/1k 的胜利，分不开两种解释
这是傻狗认为整件事里最该被指出、也最少被指出的一点。
"Jalapeño 在整个工作负载空间上帕累托占优" 和 "Jalapeño 只在它被共同设计、并且被手工调优过的那一个形状上占优"——这两种情况下，你观察到的东西长得一模一样：一条漂亮的、外扩的帕累托曲线。
目前公开的证据，分不开这两者。
而且巧的是，OpenAI 自己的真实生产负载，恰恰就是那个没测的部分。ChatGPT 的多轮对话、Codex 的 agentic 长上下文任务，特征是：上下文极长、前缀缓存命中率是性能的主导因素、输出长度高度不确定、路由和缓存管理的压力远大于纯算力。这些正是 SemiAnalysis 说 AgentX 该测但还没测的东西。
一颗在 8k/1k 上赢了的芯片，和一颗能承载 OpenAI 生产流量的芯片，中间还隔着一整个未公开的验证区间。
顺着这个思路，ServeTheHome 那位作者提的技术疑点也值得记一笔：按 15.4 TB/s 的裸带宽推算，理论 token 速率应该在每秒一千到一万之间，但实际系统落在远低于此的位置。他归因为长延迟路径、统一内存子系统争用、以及昂贵的全局内存栅栏。
翻译成人话就是——这颗芯片目前跑出来的成绩，离它自己的硬件上限还有很大距离。这句话对多头空头都成立：往好里说是还有很多余量没释放；往坏里说是有些结构性瓶颈可能不是靠调优能解决的。哪一种，得等第二代和长上下文测试来分。
五、看不懂代码这件事，怕的方向错了
回到第二条推文那个结论：「我们可能已经没有能力控制 AI 失控了。」
傻狗觉得这是把一件真事，推到了一个错误的方向上。拆两层看。
「人类看不懂实际执行的代码」不是新闻，是 1957 年的旧闻
自从有编译器，人类就不读实际被执行的那份代码了。
今天没有任何人在逐行审读 ptxas 吐出来的 PTX；没有人在审 TVM 自动调优器选出来的调度；cuBLAS 和 cuDNN 里那些手写 SASS 汇编，十年来全世界能读懂的也就是英伟达内部那么几十号人，而且是闭源的——整个 AI 行业在这上面跑了十年，没人觉得这是失控。
所以"工程师逐行解释不出来"这件事本身，真的不是新东西。
新东西是：正确性的担保方式换了
编译器的每一次变换在构造上是保语义的，这是编译器和你之间的契约。而一个 LLM 写出来的 kernel，唯一的保证是"测试跑过了"。
这是两种完全不同的认识论。前者是"证明"，后者是"抽样验证"。这个降级是真实的，也是唯一值得担心的那件事。
但注意 OpenAI 对这件事的回应——而且这个回应恰恰被中文转述漏掉了：Gluon 里那套叫 Linear Layouts 的东西，做的就是"可证明正确的 layout 转换"。
也就是说，他们专门把 AI 最容易犯的那一类错（数据布局、索引映射搞错）设计成了机器可验证的。这是把审查负担从"人眼阅读"搬进了类型系统和编译器。
这是在加强控制，不是在放弃控制。
再说一句：kernel 恰恰是全软件领域里最适合交给 AI 的地方。它的规格说明就是一份参考实现，正确性可以用几百万个随机输入做数值逐位比对，目标函数是一个墙钟时间的数字，而且部署时没有分布漂移——一个特定形状的 kernel 要么算对要么算错，不存在"上线后遇到没见过的世界"。
它离超优化器和 SAT 求解更近，离"一个在真实世界里自主行动的 agent"很远。
拿软件里最可验证的那个领域，去论证最不可验证的那个领域会失控，这是一次范畴错误。真要挑地方开始，kernel 正是你会挑的那个。
那真正的风险是什么
六、那本二十年的账，正在贬值
把上面几段接起来，结论就出来了。
Codex 在无人干预的情况下写出了一颗全新指令集架构上的 DeepSeek MLA kernel，并且优化后的注意力和 MoE kernel 比专家手写实现快 1.5 到 1.8 倍——如果这件事可复现，那么"二十年积累的手写 CUDA kernel 库"这项资产就在贬值。
它不会归零，但它的重置成本从"一支几百人的团队干十年"变成了"一批算力跑几周"。
谁受益、谁受损，排序其实很清楚：
对咱们看马斯克这条线的朋友多说一句：特斯拉的 AI5/AI6 走的是完全同一套逻辑——自己的模型、自己的芯片、单一且已知的工作负载。以前这条路上最大的隐性成本就是软件栈和 kernel，现在这块成本在下降。这对 xAI/特斯拉这种"有模型、有芯片计划、但没有二十年 CUDA 遗产"的玩家是纯利好；反过来说，谁的资产是"软件生态积累"，谁就要重新算账。
还有一件事，可能比芯片本身更大：AI 不只写了 kernel，还参与了 RTL 设计和物理实现（用了 XLS 这套可扩展硬件描述语言），而且重大架构改动一直改到 RTL 冻结当天。结果是：2025 年 2 月启动 RTL，2025 年 11 月流片，2026 年 5 月拿到首硅并跑起了 Codex。
定制芯片的迭代周期，从业界习惯的三年左右压缩到了一年半。如果第二代"几个月内流片"属实，那这就不是一次性的运气。一个能每 18 个月迭代一次专用硅的模型公司，和一个每 24 个月出一代通用 GPU 的供应商，长期是完全不同的两种竞争关系。
七、转发之前，这三处先降一级
八、傻狗记账：接下来盯这六件事
上面全是判断，判断得能被证伪才有意义。以下是傻狗给这套判断记的账，每一条都有明确时点和明确的"什么结果算我错了"。
一句话收束
Nanos 说"两边都赢"，对 Blackwell 成立，对 Rubin 是打平——但打平已经足够，因为 OpenAI 要的是把英伟达的毛利拿回来，不是赢一场性能比赛。
它能占住整条曲线，靠的不是硅比英伟达好，是它只有一个客户、可以反过来改模型迁就芯片，而且用 Codex 付掉了那笔以前只有英伟达付得起的 kernel 人力账单。
所以"工程师看不懂 kernel"不是一个失控的故事，是一个成本坍塌的故事——真正在贬值的，是 CUDA 那本二十年的手写账本。
至于"我们控制不住 AI 了"这个结论，它拿的是软件里最可验证的证据（对错可以逐位比对、性能可以计时、部署没有分布漂移），去论证最不可验证的那件事，中间那一步跳跃不成立。
信源：SemiAnalysis《OpenAI Jalapeno: Better Than Nvidia Blackwell》（"不公平对比"与"对 Rubin 打平"出自此文）· ServeTheHome Hot Chips 2026 现场技术细节 · OpenAI 官网《Jalapeno first results》· Tom's Hardware Jalapeño ASIC 拆解（RTL 到首硅时间线）· InferenceMAX 基准方法论 · Triton 官方 Gluon 文档 · 原始推文 @firesidealpha 与 @MaxForAI。
本文是分析，不是投资建议。所有性能数字均为厂商披露或第三方基准结果，未经独立复现。记账部分的六个时点，就是用来打自己脸的。