Deklaracje dotyczące wydajności

• Wydajność na wat: Wczesne testy wskazują, że układ zapewnia „znacząco lepszą” wydajność na wat w porównaniu z obecnie dostępnymi akceleratorami AI .
• Redukcja kosztów: Broadcom wycenia chip na mniej więcej połowę ceny porównywalnego GPU, a jeden z raportów szacuje całkowite oszczędności na około ~50% .
• Pozycjonowanie rynkowe: Dyrektor generalny Broadcom stwierdził, że Jalapeño konkuruje bezpośrednio z układami Nvidia Blackwell i Google TPU .
• Modele AI samego OpenAI wspomagały rozwój chipa, optymalizując jego konstrukcję .

Proces produkcji i partnerzy

• Projekt i współpraca: OpenAI opracowało układ wspólnie z Broadcom, który również odpowiada za jego produkcję . Projekt przeszedł od koncepcji do tape-outu w zaledwie dziewięć miesięcy – co określa się jako potencjalnie najszybszy cykl rozwoju ASIC dla zaawansowanych półprzewodników .
• Producent: Układ jest wytwarzany przez TSMC, wiodącego światowego producenta zaawansowanych półprzewodników . Pierwsza generacja korzysta z węzła 3 nm (N3) TSMC i zawiera pamięć HBM3E o wysokiej przepustowości .
• Integracja systemowa: Producent serwerów Celestica pomoże w budowie systemów wokół procesora .

Harmonogram wdrożenia

• Ogłoszenie: 24 czerwca 2026 roku.
• Prototyp: Fizyczny prototyp został dostarczony do OpenAI w dniu ogłoszenia .
• Docelowe uruchomienie: OpenAI planuje wdrożenie Jalapeño do końca 2026 roku, z początkowym wdrożeniem w centrach danych .
• Wielogeneracyjny plan rozwoju: Jalapeño to pierwszy krok w wielogeneracyjnej platformie obliczeniowej. Druga generacja chipa jest podobno już planowana na bardziej zaawansowany węzeł A16 TSMC .

Finansowanie i wyzwania kosztowe

• Budowa infrastruktury wokół autorskiego układu będzie kapitałochłonna. OpenAI zabezpieczyło już plany dotyczące mocy obliczeniowej w centrach danych na skalę gigawatową, aby wesprzeć wdrożenie .
• Firma rzekomo zabezpieczyła alokację mocy produkcyjnych w TSMC zarówno dla obecnego węzła N3, jak i przyszłego A16, co sugeruje znaczące wydatki z góry .
• Reuters i Bloomberg zauważają, że wysiłek związany z autorskim układem jest częścią szerszej strategii OpenAI zmierzającej do zmniejszenia zależności od drogich procesorów graficznych Nvidii i kontrolowania własnych kosztów infrastruktury .

Kontekst branżowy: Zmniejszenie zależności od Nvidii

Jalapeño wpisuje się w wyraźny trend wśród dużych firm technologicznych (hyperscalerów) polegający na budowaniu własnych układów scalonych w celu zastąpienia GPU Nvidii:

• Google ma serię TPU, Amazon ma Trainium i Inferentia, Microsoft opracowuje własny chip AI, a Meta również pracuje nad autorskim układem do wnioskowania.
• Nvidia wciąż kontroluje około 80% rynku układów AI, ale hyperscalerów motywują koszty, kontrola nad łańcuchem dostaw oraz efektywność energetyczna dopasowana do konkretnych obciążeń .
• Około 50% redukcja kosztów Jalapeño w porównaniu z porównywalnymi GPU bezpośrednio odpowiada na presję ekonomiczną związaną z prowadzeniem wnioskowania na masową skalę .
• OpenAI postrzega posiadanie własnych układów jako kluczowe do „zbudowania pełnego stosu” – od modeli po sprzęt – i uzyskania przewagi konkurencyjnej wykraczającej poza samo oprogramowanie .

Deklaracje dotyczące wydajności

• Wydajność na wat: Wczesne testy wskazują, że układ zapewnia „znacząco lepszą” wydajność na wat w porównaniu z obecnie dostępnymi akceleratorami AI .
• Redukcja kosztów: Broadcom wycenia chip na mniej więcej połowę ceny porównywalnego GPU, a jeden z raportów szacuje całkowite oszczędności na około ~50% .
• Pozycjonowanie rynkowe: Dyrektor generalny Broadcom stwierdził, że Jalapeño konkuruje bezpośrednio z układami Nvidia Blackwell i Google TPU .
• Modele AI samego OpenAI wspomagały rozwój chipa, optymalizując jego konstrukcję .

Proces produkcji i partnerzy

• Projekt i współpraca: OpenAI opracowało układ wspólnie z Broadcom, który również odpowiada za jego produkcję . Projekt przeszedł od koncepcji do tape-outu w zaledwie dziewięć miesięcy – co określa się jako potencjalnie najszybszy cykl rozwoju ASIC dla zaawansowanych półprzewodników .
• Producent: Układ jest wytwarzany przez TSMC, wiodącego światowego producenta zaawansowanych półprzewodników . Pierwsza generacja korzysta z węzła 3 nm (N3) TSMC i zawiera pamięć HBM3E o wysokiej przepustowości .
• Integracja systemowa: Producent serwerów Celestica pomoże w budowie systemów wokół procesora .

Harmonogram wdrożenia

• Ogłoszenie: 24 czerwca 2026 roku.
• Prototyp: Fizyczny prototyp został dostarczony do OpenAI w dniu ogłoszenia .
• Docelowe uruchomienie: OpenAI planuje wdrożenie Jalapeño do końca 2026 roku, z początkowym wdrożeniem w centrach danych .
• Wielogeneracyjny plan rozwoju: Jalapeño to pierwszy krok w wielogeneracyjnej platformie obliczeniowej. Druga generacja chipa jest podobno już planowana na bardziej zaawansowany węzeł A16 TSMC .

Finansowanie i wyzwania kosztowe

• Budowa infrastruktury wokół autorskiego układu będzie kapitałochłonna. OpenAI zabezpieczyło już plany dotyczące mocy obliczeniowej w centrach danych na skalę gigawatową, aby wesprzeć wdrożenie .
• Firma rzekomo zabezpieczyła alokację mocy produkcyjnych w TSMC zarówno dla obecnego węzła N3, jak i przyszłego A16, co sugeruje znaczące wydatki z góry .
• Reuters i Bloomberg zauważają, że wysiłek związany z autorskim układem jest częścią szerszej strategii OpenAI zmierzającej do zmniejszenia zależności od drogich procesorów graficznych Nvidii i kontrolowania własnych kosztów infrastruktury .

Kontekst branżowy: Zmniejszenie zależności od Nvidii

Jalapeño wpisuje się w wyraźny trend wśród dużych firm technologicznych (hyperscalerów) polegający na budowaniu własnych układów scalonych w celu zastąpienia GPU Nvidii:

• Google ma serię TPU, Amazon ma Trainium i Inferentia, Microsoft opracowuje własny chip AI, a Meta również pracuje nad autorskim układem do wnioskowania.
• Nvidia wciąż kontroluje około 80% rynku układów AI, ale hyperscalerów motywują koszty, kontrola nad łańcuchem dostaw oraz efektywność energetyczna dopasowana do konkretnych obciążeń .
• Około 50% redukcja kosztów Jalapeño w porównaniu z porównywalnymi GPU bezpośrednio odpowiada na presję ekonomiczną związaną z prowadzeniem wnioskowania na masową skalę .
• OpenAI postrzega posiadanie własnych układów jako kluczowe do „zbudowania pełnego stosu” – od modeli po sprzęt – i uzyskania przewagi konkurencyjnej wykraczającej poza samo oprogramowanie .