OpenAI анонсировала первый специализированный процессор для LLM — чип Jalapeño
OpenAI представила свой первый собственный чип Jalapeño, разработанный за рекордные 9 месяцев, чтобы ускорять большие языковые модели. Это первый процессор компании, ориентированный полностью на инференс LLM.
Что произошло?
24 июня 2026 года OpenAI официально представила Jalapeño — первый в истории компании специализированный процессор, предназначенный для запуска и ускорения больших языковых моделей (LLM). Чип был продемонстрирован на конференции OpenAI Dev Day и уже доступен в ограниченной поставке партнёрам‑клиентам.
Ключевые цифры
- Время разработки: рекордные 9 месяцев от начала проекта до готового продукта, тогда как аналогичные программы в индустрии обычно занимают около 3 лет.
- Технико‑экономические показатели: согласно заявлению OpenAI, Jalapeño обеспечивает 2,5× ускорение инференса LLM при 30 % снижении энергопотребления по сравнению с текущими GPU‑решениями от Nvidia.
- Техпроцесс: чип изготовлен по 5‑нм техпроцессу в сотрудничестве с TSMC, использует архитектуру, оптимизированную под трансформеры и sparsity‑техники.
Почему это важно?
OpenAI до сих пор полагалась на сторонние решения (Nvidia A100, H100) и облачную инфраструктуру. Создание собственного silicon открывает путь к более гибкой и экономичной инфраструктуре, позволяя компании контролировать стоимость вычислений и масштабировать модели без зависимости от внешних поставщиков.
Что дальше?
OpenAI планирует интегрировать Jalapeño в свои облачные сервисы ChatGPT Enterprise и OpenAI API уже в следующем квартале. Кроме того, компания объявила о подготовке серии чипов для обучения моделей, что может ускорить появление новых поколений LLM.
Для разработчиков это открывает доступ к более дешёвому и быстрому инференсу LLM, что особенно ценно для стартапов и исследовательских групп с ограниченным бюджетом. Студенты курсов смогут экспериментировать с реальными железными ускорителями, а не только с облачными GPU. Однако появление собственного чипа у OpenAI усиливает конкуренцию в сфере silicon‑AI, что может привести к росту цен на альтернативные решения и ускорить гонку за собственными аппаратными платформами.
