OpenAI crea su primer chip de IA propio en 20 meses y desafía a Nvidia
El chip Jalapeño, fabricado con Broadcom y TSMC, promete mayor velocidad y menor consumo para inferencia.
OpenAI sorprendió al mercado con su primer chip de inteligencia artificial propio, llamado Jalapeño. El anuncio oficial llegó el 24 de junio de 2026, pero lo que más llama la atención es la velocidad del desarrollo: del concepto arquitectónico al silicio pasaron menos de 20 meses, cuando un ciclo normal toma entre 3 y 5 años.
Qué ofrece el chip y por qué importa
Jalapeño fue diseñado en colaboración con Broadcom y fabricado por TSMC, el gigante taiwanés de semiconductores. Sus cifras hablan solas: alcanza hasta 13,4 petaflops de cómputo en 4 bits, accede a 232 GB de la memoria HBM más avanzada y tiene una velocidad de conexión de 15,4 terabytes por segundo. En latencia de extremo a extremo, es hasta 3,6 veces más rápido que el chip GB300 de Nvidia, el hardware que OpenAI usa actualmente para inferencia, y consume menos energía.
Para Chile, la noticia es relevante como señal de tendencia global: las grandes empresas de IA están dejando de depender de un solo proveedor. Aunque acá no hay fabricación local de chips, el impacto se siente en los precios y disponibilidad de servicios de IA que usan empresas y desarrolladores chilenos.
El secreto: usar la IA para diseñar el chip
El equipo que trabajó en Jalapeño tuvo en promedio menos de 100 personas. Según Richard Ho, vicepresidente de hardware de OpenAI, el truco fue usar sus propios modelos de IA como herramienta de diseño. “Los modelos están dando superpoderes a nuestros ingenieros”, dijo en IEEE Spectrum. La IA se enfocó en el front-end del diseño, es decir, la escritura de código del chip, apoyada en herramientas como XLS, un lenguaje de descripción de hardware de alto nivel.
Chris Leary, de OpenAI, explicó que la IA se desempeñaba mejor en lo que “parecía software”, y XLS se parece a software, así que se benefició de eso. Herramientas como Codex aceleraron la escritura de especificaciones de hardware que antes requería más ingenieros y más tiempo. Sin embargo, ambos ejecutivos subrayan: la IA no automatizó el diseño de chips, sino que multiplicó la productividad de ingenieros muy especializados. El back-end, la parte física donde el código se convierte en circuitos reales con restricciones de timing, potencia y espacio, siguió dependiendo de humanos y de la experiencia de Broadcom.
Qué significa para el mercado y para Nvidia
Jalapeño es el primer paso de OpenAI para reducir su dependencia de Nvidia. Los data centers que OpenAI construye en Canadá serán el destino natural de este hardware. El incentivo económico es directo: no comprar GPUs H100 o B200 a precio de mercado cuando puedes fabricar tu propia inferencia con mejor latencia y menor consumo es una ventaja competitiva enorme, porque la inferencia a escala es el principal costo operativo de estas empresas.
La compra de Glass Imaging por más de 300 millones de dólares muestra que OpenAI está construyendo competencias en hardware de varias formas a la vez. Y no está sola: Google lleva años con sus TPUs, Amazon tiene Trainium e Inferentia, y Microsoft colabora con Maia y Cobalt. Para Nvidia, el riesgo no es inmediato: sus GPUs siguen siendo el estándar para entrenamiento de modelos grandes. Pero en inferencia, donde está el mayor volumen de operaciones diarias, ya hay competidores creíbles con benchmarks publicados. Jalapeño es el más reciente y, por los números, el más competitivo.
Con información de WWWhat's new
