OpenAI ha presentato Jalapeño, il primo chip OpenAI per l’inferenza sviluppato con Broadcom in 9 mesi e pensato per far girare modelli come ChatGPT e Codex nei data center.
La notizia conta perché sposta una parte della competizione AI sotto il livello visibile dei chatbot. Al centro c’è il processore che deve reggere milioni di richieste, ridurre il costo di ogni risposta e rendere meno fragile la dipendenza dai chip Nvidia.
Perché il chip OpenAI conta, a partire dall’inferenza
Jalapeño nasce come ASIC, cioè un processore progettato per un compito specifico. In questo caso il compito è l’inferenza: la fase in cui un modello già addestrato riceve un prompt, calcola la risposta e la restituisce all’utente. È il lavoro quotidiano di ChatGPT, delle API e degli agenti come Codex.
Questo dettaglio è centrale. L’addestramento serve a costruire il modello; l’inferenza serve a usarlo. Più l’AI entra in prodotti reali, più il costo industriale si sposta verso la seconda fase. Ogni risposta, ogni completamento di codice, ogni chiamata API consuma potenza di calcolo. Per questo un chip ottimizzato per servire modelli linguistici può pesare sul business quanto un nuovo modello.
OpenAI descrive Jalapeño come il primo passo di una piattaforma di calcolo multi-generazione. Secondo l’annuncio ufficiale, i campioni di ingegneria stanno già eseguendo carichi ML in laboratorio alla frequenza e potenza previste per la produzione, incluso GPT-5.3-Codex-Spark. Il deployment iniziale è previsto entro la fine del 2026.
Come funziona Jalapeño
Il punto tecnico sta nell’ottimizzazione del lavoro reale. OpenAI sostiene di aver progettato Jalapeño intorno ai pattern dei propri LLM, i grandi modelli linguistici: kernel, movimento dei dati, memoria, rete e sistemi di serving. Tradotto: il chip nasce per il modo in cui ChatGPT e Codex lavorano davvero, non per un benchmark generico.
“By designing more of the stack ourselves, we can serve more intelligence with greater efficiency.” — Greg Brockman, OpenAI
La promessa riguarda la performance per watt, cioè quanta capacità di calcolo si ottiene per ogni unità di energia consumata. OpenAI afferma che i primi test indicano un risultato “sostanzialmente migliore” rispetto allo stato dell’arte, ma non ha ancora pubblicato benchmark indipendenti o numeri confrontabili. Il report tecnico arriverà nei prossimi mesi.
Il progetto ha coinvolto Broadcom per implementazione del silicio, networking e connettività, e Celestica per schede, rack e integrazione di sistema. OpenAI sottolinea anche un dato insolito: il tape-out, la fase in cui il design viene mandato alla produzione, è arrivato in 9 mesi. Secondo l’azienda, i suoi stessi modelli hanno accelerato parte del lavoro di progettazione e ottimizzazione.
Dal modello al data center
Jalapeño non arriva dal nulla. A ottobre 2025, The Verge aveva raccontato l’accordo tra OpenAI e Broadcom per sviluppare e distribuire 10 gigawatt di acceleratori AI custom tra il 2026 e il 2029. L’annuncio del 24 giugno 2026 dà un nome al primo pezzo concreto di quella strategia.
Chi segue il settore sa che la corsa AI del 2026 non si gioca solo sui benchmark dei modelli. Si gioca sulla disponibilità di calcolo, sui costi energetici, sui colli di bottiglia dei data center e sulla capacità di controllare più livelli dello stack. Google ha le TPU, Amazon ha Trainium e Inferentia, Microsoft lavora su Maia, Meta sui propri acceleratori. OpenAI, finora, era soprattutto compratrice di capacità.
Questo spiega anche perché la notizia dialoga con sviluppi apparentemente lontani: modelli più forti in laboratorio, come nel caso di GPT-5 applicato all’immunologia, simulazioni scientifiche più esigenti come quelle viste nella simulazione quantistica IBM, e hardware locale più accessibile come i PC AI Windows con RTX Spark. Tutto ruota intorno alla stessa domanda industriale: dove gira l’AI, a quale costo, con quale controllo.
La sfida a Nvidia resta aperta
Nvidia resta al centro del quadro. The Verge riporta, citando un’intervista Reuters al CEO di Broadcom Hock Tan, che il chip raggiungerebbe prestazioni comparabili a Nvidia Blackwell e alle TPU di Google. È una dichiarazione forte, ma arriva prima di test pubblici e indipendenti.
La parte più concreta è meno spettacolare: OpenAI vuole ridurre la dipendenza da un solo fornitore, aumentare l’efficienza dell’inferenza e avvicinare hardware, modelli e prodotti. Per chi usa strumenti AI ogni giorno, il segnale è chiaro. Se OpenAI riesce a servire più richieste con meno energia e meno colli di bottiglia, gli effetti possono apparire dove contano: risposte più rapide, API più prevedibili, agenti che lavorano più a lungo senza costare troppo. Il primo processore di OpenAI sposta una parte della gara dentro l’infrastruttura che sostiene i prodotti già usati ogni giorno.
Fonti citate
- OpenAI and Broadcom unveil LLM-optimized inference chip , OpenAI, 24 giugno 2026.
- OpenAI reveals its first AI processor: Jalapeño , The Verge, 24 giugno 2026.
- OpenAI partners with Broadcom to produce its own AI chips , The Verge, 13 ottobre 2025.
- OpenAI unveils custom chip it designed with Broadcom to boost its AI infrastructure , Reuters, 24 giugno 2026.