La notizia in sintesi
- OpenAI presenta benchmark del chip Jalapeño per l’inferenza AI.
- I test dichiarano maggiore efficienza energetica e minore latenza rispetto ai sistemi Nvidia.
- Il chip ASIC è sviluppato con Broadcom per eseguire modelli e agenti AI.
- La distribuzione iniziale è prevista in volumi ridotti entro il 2026.
Riassunto generato con AI
Jalapeño, il chip di OpenAI per l’inferenza
OpenAI ha illustrato al convegno Hot Chips i primi risultati di Jalapeño, chip proprietario progettato per rendere più rapida ed efficiente l’inferenza dell’intelligenza artificiale: la fase in cui un modello già addestrato genera una risposta, esegue un compito o alimenta un agente. L’azienda, che ha sviluppato l’ASIC in collaborazione con Broadcom, sostiene che il processore possa offrire insieme minore latenza e maggiore capacità di elaborazione, due parametri che spesso richiedono compromessi nei sistemi AI.
I dati sono stati presentati il 25 agosto 2026, nel contesto dell’evento dedicato all’hardware avanzato, e si basano sulla piattaforma di benchmark InferenceX di SemiAnalysis. Il confronto riguarda i migliori risultati disponibili al momento del test, ottenuti con i superchip Nvidia GB200 o GB300, appartenenti alla generazione Blackwell.
Secondo Richard Ho, responsabile hardware di OpenAI, “i risultati mostrano un avanzamento delle prestazioni molto, molto significativo rispetto allo stato dell’arte”. La finalità dichiarata è servire più richieste con la stessa energia, riducendo al tempo stesso l’attesa percepita dagli utenti.
Le innovazioni piu' interessanti di tecnologia e scienza, dritte nella tua inbox.
Per OpenAI, la questione non riguarda soltanto la velocità di un singolo modello. La crescita di chatbot, assistenti e agenti rende decisiva la capacità di fornire risposte costanti sotto carico, limitando consumi e rallentamenti della rete di calcolo.
Jalapeño viene quindi presentato come un componente destinato all’infrastruttura di inferenza su larga scala, non come un prodotto rivolto direttamente al mercato consumer. L’azienda prevede un primo impiego in quantità limitate entro la fine del 2026 e un aumento dei volumi nel 2027.
OpenAI non ha comunicato il numero di chip che intende installare nel 2027. Ha però chiarito che il nuovo ASIC non sostituirà integralmente le tecnologie già impiegate: la strategia di calcolo continuerà a includere partner come Nvidia.
Benchmark, consumi e colli di bottiglia dell’inferenza
Nei test su InferenceX, OpenAI afferma che Jalapeño ha eseguito da 1,5 a 1,9 volte più lavoro AI per watt rispetto ai sistemi di riferimento su tre modelli: GPT-OSS 120B, DeepSeek R1 e Kimi K2.5 1T. La stessa comparazione indica una latenza end-to-end inferiore da 1,7 a 3,6 volte, cioè un tempo complessivo minore tra richiesta e risposta.
Il dato più rilevante è l’accoppiamento tra efficienza e reattività. Nei data center AI, aumentare il throughput può comportare code più lunghe per il singolo utente, mentre puntare alla risposta immediata può ridurre il numero di richieste gestibili; OpenAI sostiene che Jalapeño riduca tale tensione.
Richard Ho ha sintetizzato il risultato definendo il chip capace di servire più lavoro AI per unità di energia e di restituire risposte più rapidamente. In termini applicativi, ciò potrebbe tradursi in agenti più reattivi e in un accesso più affidabile quando la domanda cresce.
Il progetto interviene soprattutto su due passaggi indicati dall’azienda come fonti ricorrenti di attrito: il prefill, quando il sistema elabora il contesto iniziale dell’input, e la comunicazione tra componenti di calcolo, memoria e rete. La progettazione mira a limitare lo spostamento dei dati e i ritardi di comunicazione.
Nel dettaglio tecnico divulgato da OpenAI, lo stato del modello, incluso il KV cache utilizzato durante la generazione, può essere collocato e mantenuto localmente. Il sistema attiva quindi la combinazione di calcolo, memoria e networking adatta alle diverse fasi dell’inferenza.
Questa architettura spiega perché l’azienda parla di un approccio integrato: prodotti AI, modelli, chip e memoria vengono sviluppati in modo coordinato. Le fonti indicano inoltre che gli stessi modelli di OpenAI hanno contribuito allo sviluppo del chip, senza fornire ulteriori dettagli sul loro impiego progettuale.
I benchmark restano comunque una fotografia del confronto disponibile al momento della prova. TechCrunch, nell’articolo firmato da Russell Brandom, osserva che entro la piena distribuzione di Jalapeño l’offerta concorrente potrebbe essere avanzata ulteriormente.
Per questo, i numeri comunicati definiscono una promessa tecnologica basata su test comparativi, non una misura definitiva delle prestazioni future dell’intera infrastruttura. La verifica sul campo dipenderà dalla diffusione effettiva e dai carichi operativi che OpenAI sceglierà di assegnare al chip.
Una piattaforma destinata a più generazioni
OpenAI ha indicato che Jalapeño non sarà un progetto isolato: sono previste seconda e terza generazione del chip. La scelta segnala l’intenzione di costruire una piattaforma hardware stabile per l’inferenza, affiancata e non alternativa nell’immediato alle forniture esistenti.
La conseguenza concreta sarà una fase di adozione graduale. I volumi ridotti previsti entro la fine del 2026 consentiranno di portare il processore nell’infrastruttura senza attribuirgli subito il ruolo di base esclusiva dei servizi AI.
Il confronto con Nvidia resterà centrale, ma l’obiettivo dichiarato da OpenAI è ottimizzare il proprio software e il proprio hardware per le esigenze specifiche dell’inferenza. La scala del dispiegamento nel 2027 chiarirà il peso operativo di questa strategia.
FAQ
Che cos’è Jalapeño di OpenAI?
Sì: Jalapeño è un ASIC di OpenAI e Broadcom progettato per l’inferenza, cioè l’esecuzione di modelli AI addestrati.
Quando sarà distribuito Jalapeño?
Sì: OpenAI prevede installazioni in volumi molto ridotti entro la fine del 2026 e un incremento della distribuzione nel 2027.
Quali chip Nvidia sono stati confrontati?
Sì: il benchmark ha confrontato Jalapeño con i migliori risultati registrati su sistemi Nvidia GB200 o GB300.
Quali modelli sono stati usati nei test?
Sì: i risultati citati riguardano GPT-OSS 120B, DeepSeek R1 e Kimi K2.5 1T sulla piattaforma InferenceX.
Come è stata verificata questa analisi?
Sì: nasce da analisi approfondita e verifica incrociata della Redazione su TechCrunch e The Verge; ogni articolo riceve supervisione umana della Redazione prima della pubblicazione.
Articolo generato dal sistema di redazione AI di Datamoney, con supervisione umana finale.Non perdere gli errori di prezzo clamorosi su Amazon!
Iscriviti al canale Telegram e ricevili in tempo reale
Guide agli acquisti su Amazon
Le notizie più lette
