Разработка специализированного полупроводникового железа исторически требовала многолетних циклов и огромных инженерных команд. Как сообщил Мэтью С. Смит 14 сентября 2026 года, проект Jalapeño прошел путь от первой архитектурной концепции до первого кремния менее чем за 20 месяцев, причем всего девять месяцев отделили написание первого кода на уровне регистровых передач от передачи в производство (tape-out). Внедрив собственные большие языковые модели непосредственно в рабочие процессы автоматизации электронного проектирования (EDA), OpenAI обошла традиционные границы исключительно программной разработки ради создания заказного кремния.
Производительность железа и штат команды Получившийся чип ориентирован на высокопроизводительные рабочие нагрузки ИИ. Jalapeño обеспечивает до 13.4 петафлопс 4-битных вычислений и работает с 232 гигабайтами передовой памяти, связываясь с ней на скорости 15.4 терабайт в секунду. Согласно бенчмаркам, опубликованным OpenAI, этот ускоритель способен снизить сквозную задержку до 3.6 раза по сравнению с решением GB300 от NVIDIA.
Ричард Хо, вице-президент по аппаратном обеспечению в OpenAI, отметил, что костяк проектной группы в среднем насчитывал менее 100 человек на протяжении всего жизненного цикла проекта. OpenAI использовала собственные большие языковые модели для помощи в инженерном процессе на всех этапах разработки, кардинально меняя подход к расчетам экономики инфраструктуры, когда крупные технологические компании начинают создавать собственное железо.
"Модели дают нашим инженерам суперспособности", — говорит Ричард Хо, вице-президент по аппаратному обеспечению в OpenAI.
Хо пояснил, что инженеры-люди продолжали руководить работой, одновременно используя помощь моделей. Указанная численность персонала не включает сотрудников Broadcom, которая выступила партнером OpenAI и занималась физическим проектированием от логических вентилей и далее.
Реальная верификация Подтвердятся ли в условиях масштабного развертывания в дата-центрах заявления о преимуществе по задержке в 3.6 раза над GB300 от NVIDIA — вопрос открытый для промышленной инфраструктуры. Настоящая проверка заключается не в том, может ли большая языковая модель писать код регистровых передач, а в том, сможет ли бигтех разорвать зависимость от традиционных экосистем контрактных производителей без ущерба для бюджета.