OpenAI оптимізує обчислення: партнерство з Broadcom і Celestica та власний чип Jalapeño
OpenAI зробила крок, який ще кілька років тому здавався неможливим для компанії, що завжди асоціювалася передусім із програмним забезпеченням: вона представила власний чип. Разом із Broadcom та виробником електроніки Celestica компанія показала Jalapeño — перший спеціалізований прискорювач, створений з нуля винятково для інференсу великих мовних моделей. За даними TechCrunch, це фактично оголошення про те, що OpenAI хоче контролювати весь технологічний стек — від архітектури кремнію до кінцевого продукту.
Хто за що відповідає у тріо
Розподіл ролей у партнерстві досить чіткий. OpenAI спроєктувала архітектуру чипа, спираючись на власне глибоке розуміння того, як працюють її моделі — від ядер обчислень і руху даних до мережевих патернів та систем обслуговування запитів. Broadcom взяла на себе кремнієву реалізацію та мережеві технології, зокрема комутаційні рішення Tomahawk, які відповідають за зв’язок між тисячами чипів у дата-центрі. Celestica ж замикає ланцюг: вона перетворює інженерні зразки на готове обладнання — плати, серверні стійки, системи охолодження та масштабне виробництво.
Як зазначає VentureBeat, шлях від перших схем до готовності до виробництва зайняв лише дев’ять місяців — у галузі, де новий процесор зазвичай розробляють роками. Прискорити процес допомогли самі моделі OpenAI, які використовували для оптимізації частин дизайну чипа. Інженерні зразки Jalapeño вже виконують реальні навантаження в лабораторії, зокрема обслуговують модель GPT-5.3-Codex-Spark на цільових частотах та енергоспоживанні.
Чому ставка саме на інференс
Jalapeño — це ASIC, тобто чип, заточений під одне конкретне завдання, а не універсальний прискорювач на кшталт відеокарт Nvidia. На відміну від GPU, які добре справляються з безліччю різних задач, спеціалізований чип жертвує гнучкістю заради ефективності там, де вона критична. У цьому випадку — в інференсі, процеси, під час яких готова модель генерує відповіді користувачам. За словами OpenAI, архітектура зменшує переміщення даних і балансує обчислення, пам’ять та мережу так, щоб реальне використання ресурсів було значно ближчим до теоретичної межі.
Глава Broadcom Гок Тан в інтерв’ю CNBC заявив, що раннє тестування показує приблизно 50% економії на вартості порівняно зі звичайними GPU. Сама OpenAI висловлюється стриманіше, описуючи продуктивність на ват як «суттєво кращу за сучасний рівень», і обіцяє детальний технічний звіт згодом. Цей розрив між конкретною цифрою від виробника і обережним формулюванням замовника — головне, за чим варто стежити, поки чип не вийде на реальне масштабування.
Чому економіка обчислень стає головним полем бою
Тут варто зупинитися й подумати про ширшу картину. Вартість ШІ-послуг неухильно зростає не тому, що компанії жадібні, а тому, що обчислення коштують реальних грошей — і чим популярнішим стає сервіс, тим дорожче його утримувати. Кожен запит до ChatGPT, кожне завдання у Codex, кожен виклик API — це електроенергія, обладнання та амортизація дата-центрів. Коли йдеться про сотні мільйонів користувачів, навіть незначне зниження вартості одного запиту перетворюється на колосальну економію в масштабах року.
Саме тому оптимізація обчислень — це не технічна забаганка, а питання виживання й доступності. Якщо інференс дешевшає, виграють усі: безкоштовний рівень може вмістити більше людей, API стає доступнішим для розробників, агентні продукти отримують простір для складніших завдань без захмарних рахунків. По суті, здешевлення заліза — це той важіль, який перетворює передові моделі з привілею для великих корпорацій на інструмент, доступний ширшому колу. І чим менше галузь залежить від єдиного постачальника чипів, тим стабільнішою та передбачуванішою стає вся екосистема.
Розгортання перших систем на базі Jalapeño заплановане на кінець 2026 року, а далі — масштабування до дата-центрів гігаватного рівня спільно з Microsoft та іншими партнерами. OpenAI не відмовляється від Nvidia: навчання моделей, найімовірніше, і надалі покладатиметься на її обладнання. Але кожен долар інференсу, який переходить на власний чип, наближає компанію до головної мети — робити штучний інтелект швидшим, надійнішим і доступнішим, не дозволяючи витратам на обчислення вийти з-під контролю.