OpenAI اولین نتایج معیار را برای Jalapeño، تراشه استنتاج سفارشی خود منتشر کرده است، و اعداد قابل توجه است: در معیار InferenceX SemiAnalysis، سیلیکون جدید هم توکن های بیشتری را برای هر کاربر و هم توان عملیاتی بیشتری را نسبت به پردازنده های استنتاج پیشرفته موجود در حال حاضر ثبت کرده است - مقایسه ای که شامل سیستم های بلک ول نیز می شود. نتایج روز سه‌شنبه در کنفرانس Hot Chips در پالو آلتو همراه با نگاهی فنی دقیق به نحوه ساخت تراشه ارائه شد. برای خوانندگانی که مسابقه محاسباتی را که زیربنای هر [نسخه مدل هوش مصنوعی] (https://aibuzzwire.news) دنبال می‌کنند، یکی از مهم‌ترین نقاط داده سخت‌افزاری سال است.

ریچارد هو، رئیس سخت‌افزار OpenAI، در یک تماس مطبوعاتی که توسط TechCrunch گزارش شده است، گفت: «نتایج این است که نتایج نشان‌دهنده پیشرفت عملکرد بسیار بسیار قابل‌توجهی نسبت به وضعیت هنر است. Jalapeño می‌تواند به ازای هر واحد توان، کارهای هوش مصنوعی بیشتری را ارائه کند، در حالی که پاسخ‌ها را سریع‌تر برمی‌گرداند. خدمات رسانی به مشتریان زیادی بسیار کارآمد است، اما می‌تواند تأخیر بسیار کمی نیز داشته باشد.

یک تراشه ساخته شده برای خط لوله استنتاج کامل

Jalapeño در ژوئن 2026 به عنوان اولین سیلیکون سفارشی OpenAI معرفی شد که با همکاری نزدیک با Broadcom توسعه یافته است و مدل‌های هوش مصنوعی OpenAI به فرآیند توسعه تراشه کمک می‌کنند. قدمت این مشارکت به اکتبر 2025 بازمی‌گردد، زمانی که OpenAI برنامه‌هایی را برای یک برنامه شتاب‌دهنده سفارشی چند نسلی در کنار غول شبکه ارائه کرد.

آنچه که Jalapeño را از یک GPU همه منظوره متمایز می کند، طبق گفته OpenAI، این است که مطابق با مدل هایی طراحی شده است که ارائه می دهد. از آنجایی که این شرکت تمام پشته (محصولات، مدل‌ها، تراشه‌ها و حافظه هوش مصنوعی) را کنترل می‌کند، مهندسان آن قادر به حمله به مراحل خاصی از فرآیند استنتاج هستند که اغلب باعث اصطکاک می‌شوند.

به طور خاص، Jalapeño برای به حداقل رساندن تاخیرها در مراحل پیش پر کردن و ارتباطات پردازش طراحی شده است، که OpenAI می گوید اغلب به عنوان گلوگاه در ارائه مدل های زبان بزرگ در مقیاس عمل می کند.

این شرکت در یک پست وبلاگی که نتایج را ارائه می‌کند، نوشت: «ما Jalapeño را برای به حداقل رساندن تاخیرهای انتقال داده و ارتباطات طراحی کردیم. این بدان معناست که حالت مدل، از جمله حافظه نهان KV مورد استفاده در هنگام تولید یک پاسخ، می‌تواند به صراحت قرار داده و محلی نگه داشته شود در حالی که سیستم ترکیب مناسبی از محاسبات، حافظه و شبکه را برای هر مرحله استنتاج فعال می‌کند.

این نکته آخر برای هر کسی که بارهای کاری هوش مصنوعی تولیدی را اجرا می کند مهم است. حافظه نهان KV - زمینه انباشته‌ای که یک مدل در هنگام ایجاد پاسخ نگه می‌دارد - یکی از بزرگترین دردسرهای حافظه و پهنای باند در استنتاج مدرن است. محلی نگه داشتن و مدیریت صریح آن، به جای به هم زدن آن در یک خوشه، یک راه کلاسیک برای بازگرداندن تاخیر و قدرت است.

بهتر از بلکول - در حال حاضر

مقایسه سرفصل با سیستم بلک ول انویدیا است، که در حال حاضر پیشرو استنتاج هوش مصنوعی مرزی است. تجزیه و تحلیل مستقل منتشر شده در همان روز توسط SemiAnalysis، با عنوان "OpenAI Jalapeño: بهتر از Nvidia Blackwell" به نتیجه مشابهی در مورد نتایج اولیه تراشه رسید و این داستان به سرعت به یکی از موضوعات مورد بحث در Hacker News تبدیل شد.

اما مدیران OpenAI و تحلیلگران به طور یکسان احتیاط را توصیه می کنند. هو تخمین زد که Jalapeño در پایان سال 2026 "در حجم بسیار کم" مستقر خواهد شد و استقرار قابل توجه بیشتری در سال 2027 انجام خواهد شد. تا زمانی که Jalapeño به مقیاس کامل برسد، رقابت ممکن است به طور قابل توجهی پیشرفت کرده باشد - نقشه راه انویدیا به حرکت خود ادامه می دهد و سایر hyperscalers از جمله گوگل، آمازون و مایکروسافت همگی در حال پیشبرد سفارشی خود هستند.

همانطور که TechCrunch اشاره کرد، معیارهای اندازه گیری شده با وضعیت هنر امروزی یک عکس فوری هستند، نه تضمین. تراشه ای که در سال 2026 بر اساس کارایی برنده می شود، باید در برابر هرچیزی که انویدیا و رقبایش سال آینده عرضه می کنند به پیروزی ادامه دهد.

چرا OpenAI سیلیکون خود را می سازد

منطق استراتژیک ساده است: استنتاج بزرگترین هزینه تکرارشونده OpenAI است. هر پرس و جو ChatGPT، هر تماس API، و هر کار عاملی، محاسبات را می سوزاند، و اجاره آن محاسبات از Nvidia با قیمت های بازار، حاشیه ها را به عنوان مقیاس های استفاده کاهش می دهد. یک تراشه سفارشی تنظیم شده بر روی مدل های خود OpenAI - که به طور مشترک با Broadcom طراحی شده و توسط خود مدل های OpenAI شکل گرفته است - راهی را به شرکت ارائه می دهد تا به کاربران بیشتری به ازای هر وات و دلار خدمات ارائه دهد.

Jalapeño همچنین به‌عنوان یک پلتفرم چند نسلی به‌جای یک بخش منحصربه‌فرد برنامه‌ریزی شده است. OpenAI گفته است که قصد دارد محصولات، مدل‌ها، تراشه‌ها و حافظه‌های هوش مصنوعی را با هم توسعه دهد تا هر نسل از سیلیکون با مدل‌هایی که اجرا می‌شود، بهینه شود. اگر نتایج نسل اول در تولید پایدار بماند، Jalapeño الگوی همه چیزهای بعدی می شود.

مخاطرات فراتر از OpenAI است. تسلط انویدیا بر شتاب‌دهنده‌های هوش مصنوعی برای سه سال سخت‌ترین تنگنا در صنعت بوده است، و هر جایگزین معتبر - چه از تیم TPU گوگل، چه از طرف آمازون یا اکنون OpenAI - چشم‌انداز مذاکره را برای همه افرادی که زیرساخت‌های هوش مصنوعی می‌سازند تغییر می‌دهد. طبق گزارشات، خود انویدیا به مشتریان در مورد افزایش قیمت 15 درصدی یا بیشتر در سرورهای هوش مصنوعی هشدار می دهد زیرا هزینه های حافظه افزایش می یابد، که تنها جذابیت جایگزین های داخلی را افزایش می دهد.

بعد چه می آید

در حال حاضر، Jalapeño یک بخش پیش تولید با اعداد کاغذی امیدوارکننده باقی مانده است. آزمایش واقعی در پایان سال 2026 می رسد، زمانی که اولین حجم های کوچک به کار گرفته می شوند، و به ویژه در سال 2027، زمانی که OpenAI انتظار مقیاس معناداری را دارد. پرسش‌های کلیدی بی‌پاسخ باقی می‌مانند: قابلیت اطمینان در دنیای واقعی در مقیاس مرکز داده، کل هزینه مالکیت در مقابل ظرفیت اجاره‌ای بلک‌ول، و اینکه آیا لبه بهره‌وری در برابر نسل بعدی انویدیا باقی می‌ماند.

با این حال، اولین معیارها یک نقطه عطف را نشان می‌دهند: اولین باری است که یکی از آزمایشگاه‌های بزرگ هوش مصنوعی سیلیکون استنتاج سفارشی را به‌طور عمومی نشان می‌دهد که به نظر می‌رسد بهترین کارایی شرکت فعلی را شکست می‌دهد. برای صنعتی که عرضه Nvidia را به عنوان یک راهبرد راهبردی در نظر گرفته است، این یک نقطه عطف واقعی است.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →