O primeiro acelerador próprio de inferência da OpenAI reúne dois experimentos. Jalapeño, desenvolvido com a Broadcom, investiga se um laboratório que conhece suas cargas de modelos consegue servi-las com mais eficiência em silício especializado. O intervalo de projeto anunciado de nove meses também pergunta se esses modelos podem acelerar a engenharia do hardware que executará seus sucessores.
O chip existe. Segundo a OpenAI, amostras atingiram frequência e potência pretendidas e executaram tarefas de aprendizado de máquina no laboratório. O resultado mais amplo continua em aberto. Comparações escolhidas pela empresa, adoção inicial limitada e uma revisão do silício ainda separam as amostras de uma frota de produção confiável.
Um processador para inferência recorrente
OpenAI e Broadcom apresentaram Jalapeño em junho de 2026 como primeira geração de uma plataforma planejada. A OpenAI forneceu arquitetura e conhecimento das cargas; a Broadcom contribuiu com implementação do silício e redes, inclusive tecnologia Tomahawk. A divisão conecta necessidades dos modelos a um fornecedor experiente de chips personalizados, sem transformar a OpenAI numa fabricante autossuficiente de semicondutores.
Inferência é executar um modelo depois do treinamento. Respostas do ChatGPT, tráfego de API, sessões de programação e agentes consomem repetidamente memória, computação e rede. Um agente que explora alternativas ou realiza várias chamadas pode exigir muito mais trabalho que uma resposta curta. A OpenAI observa esses padrões nos produtos e pode coordenar hardware, kernels e software de serviço.
Jalapeño busca reduzir movimentos desnecessários de dados e equilibrar computação, memória e rede. Um kernel é uma rotina para uma operação recorrente do acelerador. Alimentar as unidades certas continuamente pode ser mais importante que acrescentar aritmética que a carga não aproveita. A alegação de operar mais perto do pico teórico precisa, portanto, de avaliação com cargas completas, não apenas especificações máximas.
Richard Ho, vice-presidente de hardware, informou uma classificação de 700 watts na Hot Chips 2026. O consumo sustentado medido teria permanecido em até 550 watts nas cargas testadas; isso não garante o mesmo em qualquer condição. São 128 aceleradores por rack e 2.048 ASICs por pod. As especificações publicadas incluem 27,5 terabytes de HBM4 por rack, 15,4 terabytes por segundo de largura de banda por encapsulamento e 1,7 exaflop de computação de quatro bits por rack.
Os números têm limites distintos. Memória do rack não é memória de cada chip, e aritmética de baixa precisão não é taxa de sucesso de uma aplicação. Comparações úteis precisam preservar qualidade, latência e configuração, além da energia.
O alcance das comparações selecionadas
A OpenAI testou GPT-OSS-120B, DeepSeek R1 e Kimi K2.5, da Moonshot AI. Executar modelos externos enfrenta a preocupação mais restrita: a arquitetura não serve apenas para um modelo proprietário. Não prova compatibilidade com toda arquitetura futura nem elimina o trabalho de migração.
A empresa relatou uma quantidade de trabalho equivalente a 1,5–1,9 vez a dos sistemas comparados no pico de processamento e menor latência em comparações escolhidas com concorrentes. A cobertura identifica Nvidia GB200 NVL72, GB300 NVL72 e a metodologia SemiAnalysis InferenceX. Modelo, precisão, lote, meta de latência e maturidade do software afetam o resultado. São medições da OpenAI, não uma classificação geral reproduzida de forma independente.
A companhia disse que as medições finais continuavam e prometeu divulgação técnica mais detalhada. A produção sustentada acrescenta variações de fabricação, congestionamento, reparos, disponibilidade e utilização diante de mudanças na demanda. Uma vantagem de laboratório não mostra em qual proporção dos pedidos reais ela aparece.
A primeira geração também mudou após o silício inicial. Segundo relatos, a revisão B0 melhorou o desempenho por watt em até 25% sobre A0. Revisões de projeto são normais, mas reforçam a diferença entre um tape-out rápido e uma peça de produção otimizada. Esse ganho não deve ser somado silenciosamente a outro benchmark realizado em condições diferentes.
Nove meses do RTL ao tape-out
Ho descreveu nove meses do projeto inicial em nível de transferência entre registradores até o tape-out. RTL especifica lógica e movimentação de dados; tape-out envia o projeto concluído à fabricação. O período não inclui todas as atividades necessárias para desenvolver, fabricar e implantar uma plataforma inteira.
Sua referência histórica era aproximadamente 18 meses a dois anos para ASICs de alto desempenho, mesmo reutilizando propriedade intelectual. A OpenAI não herdou uma arquitetura interna de acelerador. A declaração importa, mas é o intervalo relatado por uma equipe, não uma experiência controlada provando que a IA sozinha reduz pela metade todos os projetos.
Modelos internos, inclusive Codex e gerações sucessivas, auxiliaram código, depuração, exploração, validação e otimização de kernels. Engenheiros experientes dirigiram o trabalho com ferramentas estabelecidas de automação de projeto eletrônico. Verificações físicas de temporização, integridade de sinal e demais critérios de aprovação continuaram necessárias. Um modelo de linguagem não projetou e certificou o chip sem supervisão.
Os modelos melhoraram durante o projeto. As ferramentas disponíveis para kernels no fim eram mais capazes que as do começo. Essa assistência em evolução pode encurtar iterações, mas dificulta transportar um número fixo de produtividade para outro programa.
A OpenAI reduziu riscos iniciais evitando tecnologias emergentes como empilhamento 3D e óptica coencapsulada. O cronograma testa, assim, um escopo técnico específico. Incluí-las depois pode criar dependências de encapsulamento, verificação e fornecimento que gerar código mais rápido não elimina. Aprendizado de máquina em projeto de chips também precede este caso; a alegação distinta é seu uso amplo dentro do programa de hardware do próprio laboratório.
Especialização ainda exige vários fornecedores
A plataforma geral da Nvidia fornece flexibilidade, bibliotecas maduras, redes e ferramentas para treinamento, inferência e ciência. Jalapeño escolhe um alvo mais estreito em troca de eficiência potencial em cargas conhecidas. A troca só compensa se as hipóteses sobreviverem a mudanças de estruturas de modelos, formatos numéricos e técnicas de serviço.
A OpenAI continua precisando de Nvidia, AMD, Cerebras e outros. Jalapeño não substitui os aceleradores que treinam modelos de fronteira, e a demanda interna supera o que um programa pode fornecer. O efeito competitivo plausível é transferir uma parcela recorrente importante da inferência, não eliminar todo acelerador comprado.
Os primeiros sistemas usam CPUs hospedeiras AMD EPYC Turin. Ho explicou a escolha pela maturidade e experiência dos parceiros; Vera, da Nvidia, era considerada menos madura como opção hospedeira independente naquele momento. Trata-se de uma decisão ligada ao calendário, não de superioridade permanente de CPUs AMD.
A trajetória dos TPUs do Google, Inferentia e Trainium da Amazon, Maia da Microsoft e processadores da Meta mostra por que grandes cargas previsíveis podem justificar silício próprio. A OpenAI conhece modelos e produtos, mas não possui uma organização de chips de nuvem com história igualmente longa. A Broadcom ajuda a preencher essa lacuna industrial.
Fabricação, encapsulamento, HBM, placas, firmware, redes e racks precisam chegar juntos. Compiladores, depuração e portabilidade de kernels devem permitir novos modelos sem perdas de qualidade inaceitáveis. Controlar a arquitetura não equivale a controlar todos os gargalos.
A medida serão pedidos reais
O plano então anunciado previa implantação limitada em 2026 e maior capacidade em 2027. Jalapeño destina-se ao uso interno. Ho deixou aberta uma disponibilidade mais ampla, mas a OpenAI esperava absorver a oferta previsível. Isso limita o acesso independente e a reprodução das comparações.
As próximas evidências são participação nas cargas, utilização, confiabilidade e cobertura de modelos, não só quantidade instalada. Um relatório completo precisa medir eficiência sob as mesmas exigências de qualidade e latência. A segunda geração, já avançada, e o planejamento da terceira testarão se o primeiro programa criou capacidade de engenharia reutilizável ou apenas um calendário excepcional.
Clientes provavelmente sentirão os primeiros efeitos na latência, capacidade dos serviços e economia da API, não comprando um chip. A importância estratégica depende de converter especialização em trabalho útil sustentado. Silício funcional e engenharia assistida por IA tornam a prova concreta; não tornam o resultado inevitável.
Fontes
Anúncio da OpenAI · Especificações dos racks · Pesquisa sobre TPU · Entrevista de projeto com Ho · Base de conhecimento de engenharia · Projeto assistido por IA · Comparação do setor