OpenAI har avslöjat sin första specialbyggda inferensprocessor, ett chip vid namn Jalapeño som designades och tillverkades i samarbete med Broadcom. Tillkännagivandet markerar ChatGPT-tillverkarens viktigaste steg hittills mot att äga hela hårdvarustacken bakom sina AI-tjänster, och det intensifierar konkurrenstrycket på Nvidia, vars GPU:er för närvarande driver de flesta stora språkmodellinstallationer.
Processorn avslöjades den 24 juni 2026 och designades specifikt för kraven från OpenAI:s slutledningssystem – processen att köra förtränade AI-modeller som svar på användarförfrågningar. Enligt TechCrunch, som rapporterade lanseringen, sa företaget att dess egna AI-modeller till och med hjälpte till med chipets utveckling. Medan Jalapeño fortfarande testas, hävdar OpenAI att tidiga resultat visar betydligt bättre prestanda per watt än nuvarande toppmoderna alternativ. For more context on this story, see our ongoing breaking AI news.
Ett chip byggt för slutledning, inte träning
Skillnaden mellan träning och slutledning är central för att förstå varför OpenAI byggde Jalapeño. Att träna en frontiermodell – den månader långa, beräkningsintensiva processen att lära ut ett neuralt nätverk från grunden – kommer att fortsätta att vara starkt beroende av Nvidia-hårdvara. Slutledning, däremot, händer varje gång en användare skickar en prompt, och den står för den stora majoriteten av den löpande kostnaden för att driva en tjänst som ChatGPT.
I sitt tillkännagivande betonade OpenAI chipets låga driftskostnad när man kör realtidskodningsmodeller, den typ av agentiska arbetsbelastningar som det har drivit igenom produkter som Codex. TechCrunch rapporterade att även blygsamma minskningar av slutledningskostnader på ett meningsfullt sätt kan förbättra företagets ekonomi, med tanke på den enorma mängd förfrågningar som plattformarna hanterar dagligen.
Designpartnerskapet med Broadcom tillkännagavs officiellt i oktober 2025, även om OpenAI:s kiselambitioner hade ryktats långt längre. Reuters, Bloomberg, CNBC och Wall Street Journal bekräftade alla oberoende avslöjandet den 24 juni, vilket signalerade omfattningen av branschens uppmärksamhet som lanseringen bjöd på.
Full-stack-satsningen
OpenAI inramade Jalapeño som en del av en bredare strategi för att kontrollera varje lager av dess infrastruktur. Företaget skrev att det "inte bara utvecklar gränsmodeller eller bygger produkter ovanpå dem, det designar infrastrukturen under dem: chiparkitektur, kärnor, minnessystem, nätverk, schemaläggning, distributionssystem och produktupplevelse."
OpenAI-president Greg Brockman förklarade företagets motivering på en intern podcast kort efter att Broadcom-samarbetet först avslöjades. "Vi har en djup förståelse för arbetsbelastningen," sa Brockman. "Vi har verkligen letat efter specifika arbetsbelastningar som är underbetjänade, [och frågar] hur kan vi bygga något som kommer att kunna accelerera vad som är möjligt?"
Eftersom OpenAI fungerar över hela stacken, hävdar den, kan varje lager optimeras mot ett enda mål: att göra dess modeller snabbare, mer pålitliga och mer överkomliga för användarna.
Går med Google och Amazon i Custom Silicon
OpenAI är knappast det första AI-företaget att bygga sina egna acceleratorer. Google har länge designat sina Tensor Processing Units (TPU) för att tjäna sina modeller, medan Amazon har utvecklat sina Trainium- och Inferentia-chips för AWS-kunder. Dessa så kallade AI-acceleratorer är silikoninställda specifikt för att påskynda arbetsbelastningen för maskininlärning, och de har blivit en konkurrenskraftig nödvändighet för alla hyperskalare som arbetar i OpenAIs skala.
Motivationen är enkel: generella GPU:er från Nvidia är kraftfulla men dyra, och de knyter operatörerna till en enda leverantör vars prissättning och tillgänglighet kan begränsa tillväxten. Ett anpassat slutledningschip ger OpenAI mer kontroll över kostnad, utbud och prestanda för de arbetsbelastningar som betyder mest för dess resultat.
Vad som finns kvar på Nvidia
Det skulle vara ett misstag att läsa Jalapeño som ett fullständigt avbrott från Nvidia. De mest prestandaintensiva uppgifterna i AI-pipelinen – särskilt förträning av frontiermodeller – kräver fortfarande den typ av rå, generell genomströmning som Nvidias GPU:er utmärker sig med, och OpenAI är fortfarande en stor Nvidia-kund. Jalapeño riktar sig istället mot den smalare men enorma arbetsbelastningen av slutledningar, där ett specialbyggt chip kan ge stora besparingar.
Det smala fokuset är också det som gör chippet trovärdigt. Istället för att försöka ersätta Nvidia över hela linjen, konkurrerar OpenAI endast där de tror att dess djupa kunskap om sina egna arbetsbelastningar ger det en fördel - samma logik som drev Google och Amazon att bygga specialiserade acceleratorer i första hand.
Ett skifte i halvledarlandskapet
Lanseringen kommer mitt i en bredare ombildning av AI-halvledarlandskapet. Minneschipsjätten SK Hynix har ansökt om en notering på uppskattningsvis 29 miljarder dollar i USA för att dra nytta av den ökande efterfrågan på AI-minne, medan företag från Amazon till Qualcomm har tävlat om att bygga eller köpa anpassat kisel. OpenAI:s inträde i chipdesign lägger till ytterligare en välfinansierad konkurrent till en marknad som Nvidia har dominerat.
Tills vidare fortsätter Jalapeño att testa, och OpenAI har inte avslöjat detaljerade prestandabenchmarks eller en implementeringstidslinje. Men signalen är tydlig: företaget som byggde ChatGPT tänker nu bygga hårdvaran som driver det, och det är villigt att spendera miljarder för att göra det.
Huruvida Jalapeño levererar sina tidiga löften om prestanda per watt kommer att avgöra hur mycket hävstångseffekt OpenAI får över sina kostnader – och hur mycket av marknaden för AI-infrastruktur som slutligen flyttas bort från en enda dominerande chiptillverkare.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
