OpenAI ha presentado oficialmente su primer chip acelerador diseñado específicamente para la inferencia de inteligencia artificial, al que ha puesto el nombre de “Jalapeño”, y que está destinado a ejecutar modelos ya entrenados y generar las respuestas que reciben los usuarios al utilizar ChatGPT, la interfaz de programación de aplicaciones o cualquier agente impulsado por sus sistemas. Los analistas de la firma SemiAnalysis han podido examinar las características y el rendimiento de este nuevo componente, y han llegado a una conclusión que resulta especialmente incómoda para su principal proveedor hasta la fecha: en varias de las pruebas de carga realizadas, Jalapeño ha conseguido superar a los chips de la familia Blackwell de NVIDIA, considerados actualmente como referencia en el sector.
Jalapeño ha sido concebido como un procesador altamente especializado en la ejecución de grandes modelos de lenguaje, sacrificando parte de la versatilidad que ofrece una unidad de procesamiento gráfico convencional a cambio de optimizar al máximo la tarea que más interesa a OpenAI: poner en funcionamiento esos modelos de forma rápida y eficiente. Los analistas sometieron el chip a pruebas con modelos de código abierto como GPT-OSS 120B, DeepSeek R1 670B y Kimi K2.5 1T, y detectaron ventajas claras en dos indicadores fundamentales: la latencia, es decir, el tiempo de respuesta, y el rendimiento por cada vatio de energía consumida. Según las mediciones y las propias estimaciones de OpenAI, dependiendo del modelo y la configuración utilizada, Jalapeño puede reducir la latencia hasta en un factor de 3,6 y ofrecer entre 1,5 y 1,9 veces más rendimiento por unidad de energía que los procesadores Blackwell de NVIDIA.
Lo más llamativo de los resultados es que el chip todavía se encuentra en una fase temprana de su puesta a punto. Los expertos de SemiAnalysis destacan que Jalapeño logra superar a Blackwell en rendimiento energético prácticamente en todos los escenarios analizados sin siquiera recurrir a una técnica conocida como Predicción de Múltiples Fichas, que permite generar varios elementos de texto de forma anticipada y que sí se encontraba activada en las configuraciones de los productos comparados. Esto significa que cuando OpenAI integre esa optimización en el futuro, el rendimiento del chip podría mejorar todavía más. De hecho, los analistas calculan que, en términos de coste total de propiedad a lo largo de su vida útil, Jalapeño ya se acerca al rendimiento esperado de Vera Rubin, la próxima generación de procesadores de inteligencia artificial que NVIDIA tiene en preparación.
A pesar de estos avances, NVIDIA mantiene posiciones muy sólidas en otros frentes que siguen siendo determinantes. Es importante tener en cuenta que Jalapeño ha sido diseñado para una función muy concreta y limitada: ejecutar modelos ya terminados. NVIDIA sigue conservando una ventaja considerable en el ámbito del entrenamiento de modelos, la fase más exigente y compleja del proceso, y sobre todo cuenta con el ecosistema de desarrollo CUDA, construido a lo largo de casi dos décadas y que se ha convertido en el estándar de la industria. Por esa razón, OpenAI seguirá necesitando adquirir y utilizar grandes cantidades de unidades de procesamiento gráfico de NVIDIA para entrenar sus modelos, y muy probablemente también para cubrir una parte importante de las tareas de inferencia.
El sentido de este movimiento radica, por tanto, en el conocimiento profundo que OpenAI tiene sobre sus propias necesidades. Al ser quien diseña y opera sus propios modelos a escala masiva, la compañía sabe exactamente qué cargas de trabajo debe soportar, lo que le permite diseñar un chip adaptado específicamente a ellas. Cuando se van a ejecutar miles de millones de consultas, contar con un procesador hecho a medida para esa tarea concreta puede resultar mucho más eficiente que utilizar una unidad de propósito general diseñada para funcionar correctamente en muy distintos escenarios.
Lo que está ocurriendo con Jalapeño no es más que una señal más de que el mercado de los procesadores para inteligencia artificial está empezando a fragmentarse. Google lleva años utilizando sus propios procesadores conocidos como Unidades de Procesamiento Tensorial, Amazon ha desarrollado las familias Titanium e Inferentia, y Microsoft, Meta y otros grandes actores también disponen o están desarrollando circuitos especializados que poco a poco van reduciendo la ventaja competitiva de NVIDIA. Aunque la compañía de Jensen Huang puede seguir dominando el segmento de los chips para entrenamiento, es evidente que en el terreno de la inferencia la competencia se está estrechando de forma notable, un campo en el que además NVIDIA ha reforzado recientemente su posición tras la adquisición de Groq, por lo que el enfrentamiento entre procesadores universales y diseños especializados promete marcar el desarrollo de la infraestructura de inteligencia artificial en los próximos años.
