วัตถุประสงค์และการออกแบบ

Jalapeño เป็นชิปแบบ ASIC (Application-Specific Integrated Circuit) ที่ออกแบบมาเพื่องาน inference โดยเฉพาะ ซึ่งเป็นกระบวนการที่ใช้ทรัพยากรการคำนวณสูงในการรันโมเดล AI แบบเรียลไทม์และตอบคำถามผู้ใช้ผ่านผลิตภัณฑ์อย่าง ChatGPT ไม่ใช่ชิปเพื่อการประมวลผลทั่วไป

ประสิทธิภาพที่น่าประทับใจ

• ประสิทธิภาพต่อวัตต์: ผลทดสอบเบื้องต้นพบว่า Jalapeño มีประสิทธิภาพต่อวัตต์ “ดีกว่าอย่างมีนัยสำคัญ” เมื่อเทียบกับชิปเร่งความเร็ว AI ชั้นนำในปัจจุบัน
• การลดต้นทุน: Broadcom กำหนดราคาชิปไว้ที่ประมาณ ครึ่งหนึ่ง ของ GPU ที่มีประสิทธิภาพใกล้เคียงกัน และมีรายงานว่าสามารถลดต้นทุนรวมได้ถึง ~50%
• ตำแหน่งทางการแข่งขัน: CEO ของ Broadcom กล่าวว่า Jalapeño แข่งขันโดยตรงกับซีรีส์ Blackwell ของ NVIDIA และ TPU ของ Google

ที่น่าสนใจคือ โมเดล AI ของ OpenAI เองถูกใช้ในการออกแบบชิปนี้เพื่อปรับแต่งโครงสร้างให้เหมาะสมที่สุด

กระบวนการผลิตและพันธมิตร

• การออกแบบและพัฒนา: OpenAI ร่วมออกแบบกับ Broadcom ซึ่งเป็นผู้ผลิตชิปด้วย ใช้เวลาเพียง 9 เดือน จากแนวคิดจนถึงการส่งแบบเพื่อผลิต (tape-out) ซึ่งถือว่าเร็วที่สุดเท่าที่เคยมีมาสำหรับ ASIC ประสิทธิภาพสูง
• โรงหลอม: TSMC เป็นผู้ผลิตชิปด้วยเทคโนโลยี 3nm (N3) และใช้หน่วยความจำแบนด์วิดท์สูง HBM3E
• การรวมระบบ: ผู้ผลิตเซิร์ฟเวอร์ Celestica จะช่วยสร้างระบบรอบๆ โปรเซสเซอร์นี้

ไทม์ไลน์การปรับใช้

• เปิดตัว: 24 มิถุนายน 2026
• ต้นแบบ: ต้นแบบทางกายภาพถูกส่งมอบให้ OpenAI ในวันเดียวกับที่เปิดตัว
• เป้าหมาย: OpenAI ตั้งเป้าปรับใช้ Jalapeño ในดาต้าเซ็นเตอร์ภายใน สิ้นปี 2026
• แผนระยะยาว: Jalapeño เป็นก้าวแรกของแพลตฟอร์มการคำนวณหลายรุ่น โดยรุ่นที่สองมีแผนจะใช้โหนด A16 (1.6nm) ที่ล้ำหน้ายิ่งขึ้นของ TSMC

การเงินและโครงสร้างพื้นฐาน

การสร้างโครงสร้างพื้นฐานรอบชิปนี้ต้องใช้เงินทุนมหาศาล OpenAI ได้จัดสรรความจุในดาต้าเซ็นเตอร์ ระดับกิกะวัตต์ เพื่อรองรับการปรับใช้แล้ว นอกจากนี้ยังมีการจองกำลังการผลิตที่ TSMC สำหรับทั้งโหนด N3 และ A16 ซึ่งบ่งชี้ถึงการลงทุนล่วงหน้าจำนวนมาก

บริบทอุตสาหกรรม: ลดการพึ่งพา NVIDIA

Jalapeño สอดคล้องกับเทรนด์ใหญ่ของผู้ให้บริการคลาวด์รายใหญ่ที่สร้างชิปของตัวเองเพื่อแทนที่ GPU ของ NVIDIA:

• Google มีซีรีส์ TPU, Amazon มี Trainium และ Inferentia, Microsoft กำลังพัฒนาชิปของตัวเอง และ Meta ก็กำลังพัฒนา inference chip เช่นกัน
• ปัจจุบัน NVIDIA ครองส่วนแบ่งตลาดชิป AI ประมาณ 80% แต่ผู้ให้บริการรายใหญ่ถูกขับเคลื่อนด้วยต้นทุน การควบคุมห่วงโซ่อุปทาน และประสิทธิภาพที่เหมาะสมกับงานเฉพาะทางมากขึ้น
• การลดต้นทุน ~50% ของ Jalapeño เมื่อเทียบกับ GPU ที่เทียบเคียงได้ ตอบโจทย์แรงกดดันทางเศรษฐกิจของการรัน inference ในระดับมหาศาล
• OpenAI มองว่าการเป็นเจ้าของชิปนั้นจำเป็นต่อการ “สร้างสแตกเต็มรูปแบบ” ตั้งแต่โมเดลไปจนถึงฮาร์ดแวร์ และสร้างความได้เปรียบทางการแข่งขันที่เหนือกว่าซอฟต์แวร์เพียงอย่างเดียว

วัตถุประสงค์และการออกแบบ

Jalapeño เป็นชิปแบบ ASIC (Application-Specific Integrated Circuit) ที่ออกแบบมาเพื่องาน inference โดยเฉพาะ ซึ่งเป็นกระบวนการที่ใช้ทรัพยากรการคำนวณสูงในการรันโมเดล AI แบบเรียลไทม์และตอบคำถามผู้ใช้ผ่านผลิตภัณฑ์อย่าง ChatGPT ไม่ใช่ชิปเพื่อการประมวลผลทั่วไป

ประสิทธิภาพที่น่าประทับใจ

• ประสิทธิภาพต่อวัตต์: ผลทดสอบเบื้องต้นพบว่า Jalapeño มีประสิทธิภาพต่อวัตต์ “ดีกว่าอย่างมีนัยสำคัญ” เมื่อเทียบกับชิปเร่งความเร็ว AI ชั้นนำในปัจจุบัน
• การลดต้นทุน: Broadcom กำหนดราคาชิปไว้ที่ประมาณ ครึ่งหนึ่ง ของ GPU ที่มีประสิทธิภาพใกล้เคียงกัน และมีรายงานว่าสามารถลดต้นทุนรวมได้ถึง ~50%
• ตำแหน่งทางการแข่งขัน: CEO ของ Broadcom กล่าวว่า Jalapeño แข่งขันโดยตรงกับซีรีส์ Blackwell ของ NVIDIA และ TPU ของ Google

ที่น่าสนใจคือ โมเดล AI ของ OpenAI เองถูกใช้ในการออกแบบชิปนี้เพื่อปรับแต่งโครงสร้างให้เหมาะสมที่สุด

กระบวนการผลิตและพันธมิตร

• การออกแบบและพัฒนา: OpenAI ร่วมออกแบบกับ Broadcom ซึ่งเป็นผู้ผลิตชิปด้วย ใช้เวลาเพียง 9 เดือน จากแนวคิดจนถึงการส่งแบบเพื่อผลิต (tape-out) ซึ่งถือว่าเร็วที่สุดเท่าที่เคยมีมาสำหรับ ASIC ประสิทธิภาพสูง
• โรงหลอม: TSMC เป็นผู้ผลิตชิปด้วยเทคโนโลยี 3nm (N3) และใช้หน่วยความจำแบนด์วิดท์สูง HBM3E
• การรวมระบบ: ผู้ผลิตเซิร์ฟเวอร์ Celestica จะช่วยสร้างระบบรอบๆ โปรเซสเซอร์นี้

ไทม์ไลน์การปรับใช้

• เปิดตัว: 24 มิถุนายน 2026
• ต้นแบบ: ต้นแบบทางกายภาพถูกส่งมอบให้ OpenAI ในวันเดียวกับที่เปิดตัว
• เป้าหมาย: OpenAI ตั้งเป้าปรับใช้ Jalapeño ในดาต้าเซ็นเตอร์ภายใน สิ้นปี 2026
• แผนระยะยาว: Jalapeño เป็นก้าวแรกของแพลตฟอร์มการคำนวณหลายรุ่น โดยรุ่นที่สองมีแผนจะใช้โหนด A16 (1.6nm) ที่ล้ำหน้ายิ่งขึ้นของ TSMC

การเงินและโครงสร้างพื้นฐาน

การสร้างโครงสร้างพื้นฐานรอบชิปนี้ต้องใช้เงินทุนมหาศาล OpenAI ได้จัดสรรความจุในดาต้าเซ็นเตอร์ ระดับกิกะวัตต์ เพื่อรองรับการปรับใช้แล้ว นอกจากนี้ยังมีการจองกำลังการผลิตที่ TSMC สำหรับทั้งโหนด N3 และ A16 ซึ่งบ่งชี้ถึงการลงทุนล่วงหน้าจำนวนมาก

บริบทอุตสาหกรรม: ลดการพึ่งพา NVIDIA

Jalapeño สอดคล้องกับเทรนด์ใหญ่ของผู้ให้บริการคลาวด์รายใหญ่ที่สร้างชิปของตัวเองเพื่อแทนที่ GPU ของ NVIDIA:

• Google มีซีรีส์ TPU, Amazon มี Trainium และ Inferentia, Microsoft กำลังพัฒนาชิปของตัวเอง และ Meta ก็กำลังพัฒนา inference chip เช่นกัน
• ปัจจุบัน NVIDIA ครองส่วนแบ่งตลาดชิป AI ประมาณ 80% แต่ผู้ให้บริการรายใหญ่ถูกขับเคลื่อนด้วยต้นทุน การควบคุมห่วงโซ่อุปทาน และประสิทธิภาพที่เหมาะสมกับงานเฉพาะทางมากขึ้น
• การลดต้นทุน ~50% ของ Jalapeño เมื่อเทียบกับ GPU ที่เทียบเคียงได้ ตอบโจทย์แรงกดดันทางเศรษฐกิจของการรัน inference ในระดับมหาศาล
• OpenAI มองว่าการเป็นเจ้าของชิปนั้นจำเป็นต่อการ “สร้างสแตกเต็มรูปแบบ” ตั้งแต่โมเดลไปจนถึงฮาร์ดแวร์ และสร้างความได้เปรียบทางการแข่งขันที่เหนือกว่าซอฟต์แวร์เพียงอย่างเดียว