Nedlouho poté, co se Nvidia zavázala pomoci OpenAI s financováním datových center v objemu až 105 miliard dolarů, dorazila společnost na konferenci Hot Chips s benchmarky, podle nichž její vůbec první vlastní čip poráží akcelerátor Nvidia GB300. Jde o inferenční ASIC pojmenovaný Jalapeño, který OpenAI vyvinula společně se společností Broadcom. Podle zveřejněných výsledků dosahuje čip v testovací sadě InferenceX od SemiAnalysis 1,5 až 1,9krát vyšší propustnosti na kilowatt a 1,7 až 3,6krát nižší koncové latence než rackové systémy Nvidia GB200 a GB300 — a to při spotřebě 700 W proti akcelerátorům dimenzovaným na 1 200 W a 1 400 W. OpenAI plánuje začít čip nasazovat ve vlastních datových centrech ještě letos.
Kde jsou hranice srovnání
Testy proběhly na třech otevřených modelech: GPT-OSS 120B, DeepSeek R1 670B a Kimi K2.5 od Moonshot AI s bilionem parametrů. Nejvýraznější náskok OpenAI vykázala v režimech s nízkou latencí, kde uvádí 8,6 až 104,3krát vyšší propustnost na kilowatt při nejrychlejších nastaveních doby mezi tokeny, jichž byl dříve schopen GB300. Výsledky přitom OpenAI vztáhla k publikovanému TDP jednotlivých akcelerátorů, ačkoli sama uvedla, že naměřený trvalý příkon Jalapeña zůstal na úrovni 550 W nebo pod ní. Při přepočtu na celkovou spotřebu ze sítě (1,18 kW u Jalapeña oproti 2,55 kW u GB300) se rozdíly zužují, podobně jako při srovnání s GB300 využívajícím predikci více tokenů, kde vedení v efektivitě klesá zhruba na 1,5násobek.
Jalapeño nebyl porovnán s platformou Vera Rubin, tedy tím řešením Nvidie, které má pohánět první gigawatt systémů, jež se OpenAI zavázala nasadit ve druhé polovině roku 2026. Čip zároveň neumí modely trénovat — tedy v oblasti, kde hardware Nvidie zůstává bez konkurence. Společnost SemiAnalysis, která podle svých slov spouštěla InferenceX přímo v laboratoři OpenAI společně s jejími inženýry, popsala čip jako „drtič každého čipu Nvidia, AMD i Google, jaký jsme dosud mohli testovat.“
Každé pouzdro Jalapeño, představené v červnu po devítiměsíčním cyklu od RTL po tapeout, kombinuje výpočetní čip se šesti stacky HBM4 o celkové kapacitě 216 GiB a propustnosti 15,4 TB/s. GB300 nese 288 GB paměti HBM3E při hodnocení 1 400 W, takže na watt jmenovité spotřeby má čip OpenAI zhruba o 50 % více paměti.
Paměť jako úzké hrdlo
Právě paměť je dnes v polovodičovém průmyslu nejvzácnějším zbožím. Samsung, SK hynix i Micron mají kapacity HBM vyprodané až do roku 2027 a nedostatek je tak vážný, že Nvidia podle zpráv testuje osekané konfigurace Rubin Ultra s pouhými 192 GB. Šéf SK hynix Kwak Noh-jung varoval, že rok 2027 bude nejhorším rokem celé krize. Škálování Jalapeña napříč dohodou o nasazení 10 GW, kterou OpenAI se společností Broadcom podepsala loni v říjnu, by z firmy udělalo významného nového žadatele o dodávky HBM4.
Druhá generace čipu se podle agentury Bloomberg blíží k tapeoutu, který se očekává během několika měsíců, a rozběhly se koncepční práce na třetí generaci. První čip údajně využívá 3nm proces od TSMC, což OpenAI staví do stejné fronty na křemík, paměť a pokročilé pouzdření jako architektury Blackwell a Rubin. OpenAI si tak zajišťuje vstupy a zároveň prohlubuje finanční závislost na firmě, kterou právě benchmarkovala. Richard Ho, viceprezident OpenAI pro hardware, to po srpnovém oznámení komentoval pro Bloomberg slovy: „Nvidia je opravdu dobrý partner a i nadále potřebujeme spoustu jejího hardwaru.“
Zdroj: tomshardware.com
