OpenAI ha dado un paso firme en su estrategia de independencia tecnolĆ³gica con la presentaciĆ³n de los primeros resultados de su procesador personalizado para inteligencia artificial, bautizado como JalapeƱo. Desarrollado en colaboraciĆ³n con Broadcom, este chip especializado en inferencia ha logrado superar a los aceleradores Nvidia GB200 y GB300 en dos mĆ©tricas clave: la cantidad de trabajo que puede procesar por vatio y la velocidad de respuesta. Los datos, difundidos durante la conferencia Hot Chips y recogidos por medios como Bloomberg y The Verge, sitĆŗan a OpenAI en una posiciĆ³n inĆ©dita dentro de la carrera por el hardware de IA.
El anuncio no es menor. Hasta ahora, OpenAI dependĆa casi por completo de los procesadores de Nvidia para ejecutar sus modelos, tanto en la fase de entrenamiento como en la de inferencia, es decir, cuando el sistema responde a las consultas de los usuarios. Con JalapeƱo, la compaƱĆa busca reducir sus costes operativos y ganar control sobre su infraestructura, aunque sin renunciar por completo a Nvidia. SegĆŗn Richard Ho, responsable de hardware de OpenAI, el chip ofrece lo que denomina Ā«lo mejor de ambos mundosĀ»: alta capacidad para atender a muchos clientes simultĆ”neamente y baja latencia para aplicaciones interactivas.
QuĆ© es JalapeƱo y cĆ³mo funciona
JalapeƱo es un circuito integrado de aplicaciĆ³n especĆfica (ASIC), diseƱado desde cero para una Ćŗnica tarea: ejecutar modelos de lenguaje ya entrenados. A diferencia de las GPU de Nvidia, que son procesadores de propĆ³sito general, este chip estĆ” optimizado para la fase de inferencia, donde el sistema procesa una solicitud y genera una respuesta. No estĆ” pensado para entrenar modelos, una tarea que sigue siendo dominio de las GPU de Nvidia y que OpenAI continuarĆ” utilizando para ese fin.
El diseƱo del chip se centra en reducir los cuellos de botella que suelen aparecer durante la inferencia, como el movimiento de datos entre memoria y unidades de cĆ”lculo. SegĆŗn explicĆ³ la compaƱĆa, JalapeƱo integra una gran secciĆ³n de cĆ³mputo junto a seis bloques de memoria de alto ancho de banda (HBM), lo que permite mantener los datos locales y evitar transferencias innecesarias. AdemĆ”s, el chip puede activar la combinaciĆ³n adecuada de recursos para cada fase del procesamiento, lo que mejora tanto el rendimiento como la eficiencia energĆ©tica de la IA.
Resultados del benchmark frente a Nvidia
Las pruebas se realizaron utilizando la plataforma pĆŗblica InferenceX de SemiAnalysis, que mide el rendimiento de los sistemas de IA en condiciones reales. OpenAI comparĆ³ JalapeƱo con los mejores registros obtenidos por los superchips Nvidia GB200 y GB300, que eran las referencias disponibles en el momento del test. Los resultados mostraron que JalapeƱo consigue entre 1,5 y 1,9 veces mĆ”s trabajo de IA por vatio, y una latencia de extremo a extremo entre 1,7 y 3,6 veces menor. Los modelos utilizados en la baterĆa de pruebas fueron GPT-OSS 120B, DeepSeek R1 y Kimi K3, una mezcla que abarca desde pesos abiertos hasta modelos de frontera.
Estos nĆŗmeros son especialmente relevantes porque la eficiencia energĆ©tica se ha convertido en uno de los principales desafĆos de la industria. Los centros de datos de IA consumen cantidades ingentes de electricidad, y reducir el consumo por unidad de trabajo puede suponer un ahorro significativo. SegĆŗn Richard Ho, JalapeƱo funciona a unos 700 vatios, una cifra relativamente baja para un acelerador de inferencia, y podrĆa reducir los costes operativos en torno a un 50% en comparaciĆ³n con las GPU convencionales, segĆŗn declaraciones del CEO de Broadcom, Hock Tan.
ColaboraciĆ³n con Broadcom y hoja de ruta
El desarrollo de JalapeƱo es fruto de una alianza estratĆ©gica entre OpenAI y Broadcom, que se anunciĆ³ en octubre de 2025. Broadcom aporta su experiencia en diseƱo de silicio, redes y fabricaciĆ³n, mientras que OpenAI ha utilizado sus propios modelos de IA para acelerar el proceso de diseƱo. El chip pasĆ³ del diseƱo inicial al tape-out, la etapa final antes de la fabricaciĆ³n, en solo nueve meses, un plazo rĆ©cord para un semiconductor avanzado.
OpenAI ya trabaja en una segunda generaciĆ³n del procesador y tiene en marcha el desarrollo de una tercera. La compaƱĆa planea desplegar los primeros sistemas con JalapeƱo a finales de 2026 en volĆŗmenes muy pequeƱos, y ampliar su uso de forma significativa durante 2027. SegĆŗn Bloomberg, el despliegue se realizarĆ” en centros de datos de Microsoft y otros socios, y se espera que la escala alcance los 10 gigavatios de cĆ³mputo para 2029. Sin embargo, los resultados presentados son preliminares y aĆŗn no han sido validados en un entorno de producciĆ³n a gran escala.
Implicaciones para el mercado y los usuarios
La llegada de JalapeƱo no significa que OpenAI vaya a abandonar a Nvidia. La compaƱĆa ha insistido en que Nvidia sigue siendo un socio fundamental, especialmente para el entrenamiento de modelos, y que la demanda de capacidad computacional es tan alta que necesita mĆŗltiples proveedores. De hecho, OpenAI tambiĆ©n trabaja con AMD y Cerebras, y su estrategia pasa por construir una infraestructura heterogĆ©nea en la que cada carga de trabajo se asigne al hardware mĆ”s eficiente.
Para los usuarios y desarrolladores, esta noticia tiene implicaciones directas. Si JalapeƱo cumple sus promesas, el coste por token de inferencia podrĆa bajar entre un 30% y un 50% en los prĆ³ximos 18 meses, lo que permitirĆa a las startups y empresas ofrecer servicios de IA mĆ”s asequibles y con menor latencia. AdemĆ”s, la competencia en el mercado de chips de IA se intensifica, lo que podrĆa traducirse en mejores precios y mĆ”s opciones para los consumidores finales.
Por Ćŗltimo, cabe seƱalar que las pruebas no incluyeron la comparaciĆ³n con la nueva arquitectura Vera Rubin de Nvidia, que acaba de comenzar a enviarse. Por tanto, la ventaja de JalapeƱo podrĆa reducirse cuando Nvidia lance su prĆ³xima generaciĆ³n. Aun asĆ, el avance de OpenAI demuestra que la industria de la IA estĆ” entrando en una nueva fase, donde el hardware personalizado jugarĆ” un papel cada vez mĆ”s importante. La carrera por la eficiencia y la velocidad no ha hecho que empezar.
