OpenAI ได้เผยแพร่ผลลัพธ์การวัดประสิทธิภาพครั้งแรกสำหรับ Jalapeño ซึ่งเป็นชิปอนุมานแบบกำหนดเอง และตัวเลขนั้นน่าทึ่ง: ในเกณฑ์มาตรฐาน InferenceX ของ SemiAnalysis ซิลิคอนตัวใหม่ลงทะเบียนทั้งโทเค็นต่อผู้ใช้และปริมาณงานต่อกิโลวัตต์มากกว่าโปรเซสเซอร์อนุมานที่ล้ำสมัยที่มีอยู่ในปัจจุบัน - การเปรียบเทียบซึ่งรวมถึงระบบ Blackwell ของ Nvidia ผลลัพธ์ถูกนำเสนอในวันอังคารที่การประชุม Hot Chips ในเมือง Palo Alto พร้อมกับรายละเอียดด้านเทคนิคเกี่ยวกับวิธีการสร้างชิป สำหรับผู้อ่านที่ติดตามการแข่งขันด้านการประมวลผลซึ่งเป็นรากฐานของ [การเปิดตัวโมเดล AI] (https://aibuzzwire.news) ทุกครั้ง นี่ถือเป็นจุดข้อมูลฮาร์ดแวร์ที่เป็นผลสืบเนื่องมากที่สุดแห่งหนึ่งของปี

“สิ่งสำคัญที่สุดคือผลลัพธ์แสดงให้เห็นถึงความก้าวหน้าด้านประสิทธิภาพที่สำคัญมากเหนือความทันสมัย” Richard Ho หัวหน้าฝ่ายฮาร์ดแวร์ของ OpenAI กล่าวในการแถลงข่าวที่รายงานโดย TechCrunch "Jalapeño สามารถให้บริการงาน AI ต่อหน่วยพลังงานได้มากขึ้น ในขณะเดียวกันก็ตอบสนองได้รวดเร็วยิ่งขึ้น มีประสิทธิภาพมากในการให้บริการลูกค้าจำนวนมาก แต่ก็อาจมีเวลาแฝงที่ต่ำมากเช่นกัน"

ชิปที่สร้างขึ้นสำหรับไปป์ไลน์การอนุมานแบบเต็ม

Jalapeño เปิดตัวในเดือนมิถุนายน 2569 ในฐานะซิลิคอนแบบกำหนดเองตัวแรกของ OpenAI ซึ่งพัฒนาขึ้นโดยความร่วมมืออย่างใกล้ชิดกับ Broadcom โดยมีโมเดล AI ของ OpenAI เข้ามาช่วยในกระบวนการพัฒนาชิป ความร่วมมือดังกล่าวเกิดขึ้นตั้งแต่เดือนตุลาคม 2568 เมื่อ OpenAI วางแผนสำหรับโปรแกรมเร่งความเร็วแบบกำหนดเองหลายรุ่นควบคู่ไปกับยักษ์ใหญ่ด้านเครือข่าย

สิ่งที่ทำให้ Jalapeño แตกต่างจาก GPU เอนกประสงค์ตาม OpenAI คือมันได้รับการออกแบบให้สอดคล้องกับรุ่นที่จะให้บริการ เนื่องจากบริษัทควบคุมสแต็กทั้งหมด — ผลิตภัณฑ์ AI, โมเดล, ชิป และหน่วยความจำ — วิศวกรของบริษัทจึงสามารถโจมตีขั้นตอนเฉพาะของกระบวนการอนุมานที่มักจะก่อให้เกิดความขัดแย้ง

โดยเฉพาะอย่างยิ่ง Jalapeño ได้รับการออกแบบมาเพื่อลดความล่าช้าในระหว่างขั้นตอนการประมวลผลล่วงหน้าและการสื่อสาร ซึ่ง OpenAI กล่าวว่ามักทำหน้าที่เป็นคอขวดเมื่อให้บริการโมเดลภาษาขนาดใหญ่ในวงกว้าง

"เราออกแบบ Jalapeño เพื่อลดการเคลื่อนไหวของข้อมูลและความล่าช้าในการสื่อสาร" บริษัทเขียนในบล็อกโพสต์ที่นำเสนอผลลัพธ์ “ซึ่งหมายความว่าสถานะของโมเดล รวมถึงแคช KV ที่ใช้ในขณะที่สร้างการตอบสนอง สามารถวางและเก็บไว้ในเครื่องได้อย่างชัดเจน ในขณะที่ระบบเปิดใช้งานการผสมผสานที่เหมาะสมของการประมวลผล หน่วยความจำ และเครือข่ายสำหรับแต่ละขั้นตอนการอนุมาน”

จุดสุดท้ายนั้นสำคัญสำหรับทุกคนที่ใช้งานปริมาณงาน AI ที่ใช้งานจริง แคช KV — บริบทที่สะสมที่โมเดลเก็บไว้ขณะสร้างการตอบสนอง — เป็นหนึ่งในปัญหาหน่วยความจำและแบนด์วิธที่ใหญ่ที่สุดในการอนุมานสมัยใหม่ การรักษาไว้ในเครื่องและจัดการอย่างชัดเจน แทนที่จะสับเปลี่ยนข้ามคลัสเตอร์ เป็นวิธีคลาสสิกในการดึงเวลาแฝงและพลังงานกลับคืนมา

ดีกว่า Blackwell — ในตอนนี้

การเปรียบเทียบพาดหัวนั้นเทียบกับระบบ Nvidia Blackwell ซึ่งปัจจุบันเป็นผลงานของการอนุมาน AI ระดับแนวหน้า การวิเคราะห์อิสระที่เผยแพร่ในวันเดียวกันโดย SemiAnalysis ซึ่งมีชื่อว่า "OpenAI Jalapeño: ดีกว่า Nvidia Blackwell" ได้ข้อสรุปที่คล้ายคลึงกันเกี่ยวกับผลลัพธ์ในช่วงต้นของชิป และเรื่องราวก็กลายเป็นหนึ่งในรายการที่ได้รับการกล่าวถึงมากที่สุดใน Hacker News อย่างรวดเร็ว

แต่ผู้บริหารและนักวิเคราะห์ของ OpenAI ต่างเรียกร้องให้ระมัดระวัง Ho คาดการณ์ว่า Jalapeño จะใช้งานในช่วงปลายปี 2026 "ในปริมาณที่น้อยมาก" โดยจะมีการใช้งานที่สำคัญมากขึ้นในปี 2027 เมื่อถึงเวลาที่ Jalapeño เติบโตเต็มที่ การแข่งขันก็อาจก้าวหน้าไปอย่างมาก - แผนงานของ Nvidia ยังคงดำเนินต่อไป และไฮเปอร์สเกลเลอร์รายอื่น ๆ เช่น Google, Amazon และ Microsoft ต่างผลักดันซิลิคอนที่ออกแบบเองของตนเอง

ดังที่ TechCrunch ระบุไว้ การวัดประสิทธิภาพเทียบกับความทันสมัยในปัจจุบันเป็นเพียงภาพรวม ไม่ใช่การรับประกัน ชิปที่ชนะด้านประสิทธิภาพในปี 2569 จะต้องชนะต่อ Nvidia และคู่แข่งที่จะเปิดตัวในปีหน้า

เหตุใด OpenAI จึงสร้างซิลิคอนของตัวเอง

ตรรกะเชิงกลยุทธ์นั้นตรงไปตรงมา การอนุมานคือต้นทุนที่เกิดขึ้นซ้ำที่ใหญ่ที่สุดของ OpenAI การค้นหา ChatGPT ทุกครั้ง การเรียก API ทุกครั้ง และงานเอเจนต์ทุกรายการจะทำให้การประมวลผลสิ้นเปลือง และการเช่าการประมวลผลนั้นจาก Nvidia ในราคาตลาดจะบีบส่วนต่างตามขนาดการใช้งาน ชิปแบบกำหนดเองที่ปรับให้เข้ากับโมเดลของ OpenAI ซึ่งออกแบบร่วมกับ Broadcom และออกแบบโดยโมเดลของ OpenAI เอง ช่วยให้บริษัทมีวิธีในการให้บริการผู้ใช้ต่อวัตต์และต่อดอลลาร์มากขึ้น

Jalapeñoยังได้รับการวางแผนให้เป็นแพลตฟอร์มสำหรับหลายรุ่นมากกว่าที่จะเป็นส่วนหนึ่งเพียงครั้งเดียว OpenAI กล่าวว่าตั้งใจที่จะพัฒนาผลิตภัณฑ์ AI, โมเดล, ชิป และหน่วยความจำร่วมกัน เพื่อให้ซิลิคอนแต่ละเจเนอเรชั่นได้รับการปรับให้เหมาะสมร่วมกับโมเดลที่จะใช้งาน หากผลงานรุ่นแรกยังคงมีอยู่ในการผลิต Jalapeño จะกลายเป็นเทมเพลตสำหรับทุกสิ่งที่ตามมา

เดิมพันขยายไปไกลกว่า OpenAI การครอบงำตัวเร่งความเร็ว AI ของ Nvidia ถือเป็นคอขวดที่แคบที่สุดในอุตสาหกรรมเป็นเวลาสามปี และทุกทางเลือกที่น่าเชื่อถือ ไม่ว่าจะมาจากทีม TPU ของ Google, Amazon หรือ OpenAI ในปัจจุบัน - เปลี่ยนภูมิทัศน์การเจรจาสำหรับทุกคนที่สร้างโครงสร้างพื้นฐาน AI มีรายงานว่า Nvidia เตือนลูกค้าเกี่ยวกับการขึ้นราคา 15 เปอร์เซ็นต์หรือมากกว่านั้นบนเซิร์ฟเวอร์ AI เนื่องจากต้นทุนหน่วยความจำพุ่งสูงขึ้น ซึ่งเพิ่มความคมชัดให้กับทางเลือกภายในองค์กรเท่านั้น

อะไรจะเกิดขึ้นต่อไป

ในตอนนี้ Jalapeño ยังคงเป็นส่วนหนึ่งก่อนการผลิตซึ่งมีตัวเลขทางกระดาษที่ดี การทดสอบจริงจะมาถึงในช่วงปลายปี 2569 ซึ่งเป็นเมื่อมีการปรับใช้วอลุ่มขนาดเล็กชุดแรก และโดยเฉพาะอย่างยิ่งในปี 2570 เมื่อ OpenAI คาดว่าจะมีขนาดที่มีความหมาย คำถามสำคัญยังคงไม่ได้รับคำตอบ: ความน่าเชื่อถือในโลกแห่งความเป็นจริงในระดับศูนย์ข้อมูล ต้นทุนรวมในการเป็นเจ้าของเทียบกับความจุของ Blackwell ที่เช่า และประสิทธิภาพที่ขอบจะยังคงอยู่เมื่อเทียบกับรุ่นต่อไปของ Nvidia หรือไม่

อย่างไรก็ตาม การวัดประสิทธิภาพครั้งแรกถือเป็นก้าวสำคัญ: เป็นครั้งแรกที่ห้องปฏิบัติการ AI ขนาดใหญ่แห่งหนึ่งได้สาธิตซิลิคอนการอนุมานแบบกำหนดเองต่อสาธารณะ ซึ่งดูเหมือนว่าจะมีประสิทธิภาพเหนือกว่าผู้ครอบครองตลาดในด้านประสิทธิภาพที่ดีที่สุด สำหรับอุตสาหกรรมที่ถือว่าอุปทานของ Nvidia เป็นเส้นชีวิตเชิงกลยุทธ์ นั่นคือจุดเปลี่ยนที่แท้จริง

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →