Players OpenAI estrena Jalapeño: su primer chip propio para abaratar la inferencia de IA
OpenAI presenta Jalapeño, su acelerador de inferencia desarrollado con Broadcom en nueve meses. Promete 절반 del costo por vatio frente a GPUs convencionales y despliegue masivo en 2026. La jugada completa su pila tecnológica y presiona a Nvidia.
OpenAI ya no solo diseña modelos ni productos: ahora también fabrica el silicio que los hace correr. La compañía presentó esta semana Jalapeño, su primer procesador de inferencia propio, desarrollado en alianza con Broadcom y Celestica. El movimiento cierra el círculo de una estrategia vertical que abarca desde la investigación hasta el centro de datos, y tiene implicaciones directas para cualquier empresa latinoamericana que use IA a escala.
Diseñado para inferencia, no adaptado de gráficos
A diferencia de las GPU de propósito general que dominan el mercado, Jalapeño nace como un ASIC (circuito integrado de aplicación específica) optimizado para la inferencia de grandes modelos de lenguaje. OpenAI lo define como "la mejor plataforma de inferencia para LLM" y subraya que su arquitectura reduce el movimiento de datos y equilibra computación, memoria y red para operar cerca del límite teórico del hardware. Las primeras pruebas —ejecutando cargas como GPT‑5.3‑Codex‑Spark— muestran un rendimiento por vatio "sustancialmente superior" al de la tecnología actual, según Richard Ho, director de hardware de OpenAI.
Desarrollo récord asistido por la propia IA
El ciclo de diseño, desde la especificación hasta el tape-out listo para fabricación, tomó nueve meses. OpenAI califica este plazo como el más rápido jamás registrado para un ASIC de alto rendimiento en semiconductores avanzados. La velocidad se debió a una codesignación estrecha de hardware y software, la experiencia de integración de Broadcom y el uso de los propios modelos de OpenAI para acelerar etapas de verificación y optimización. En palabras de Ho: "Los mismos modelos que servimos a usuarios están ayudando a mejorar la infraestructura que ejecuta modelos futuros".
Ahorro del 50% y despliegue a escala de gigavatios
Bloomberg reporta que Hock Tan, CEO de Broadcom, cifró el ahorro de costos en aproximadamente un 50 % frente a las GPU de IA convencionales. Los chips finales se integrarán en centros de datos de Microsoft y otros socios a partir de finales de 2025, con una hoja de ruta que prevé superar el objetivo previo de 1,3 gigavatios de capacidad para 2026. Tan anticipa una segunda generación para 2028 y lanzamientos anuales posteriores. OpenAI recaudó US$ 122.000 millones a principios de año para financiar esta infraestructura, y Broadcom ya tiene acuerdos de financiación de chips con Apollo y Blackstone que también beneficiarán a la startup.
Qué significa para América Latina
Para los ejecutivos de la región, la señal es clara: la capa de inferencia —donde la IA toca al usuario— se está abaratando y volviendo más eficiente a gran velocidad. Menor costo por token y mayor disponibilidad de capacidad reducen la barrera de entrada para productos basados en LLM, desde asistentes de código hasta atención al cliente automatizada. Además, la diversificación de proveedores (OpenAI ya trabaja con AMD y Cerebras además de Nvidia) mitiga el riesgo de dependencia de un solo vendedor y presiona los precios a la baja en toda la cadena. La apuesta de Tan —"cada creador de modelos de frontera terminará construyendo su acelerador óptimo"— sugiere que veremos más silicio especializado, no menos, en los próximos años.
La lección estratégica: quien controle la pila completa, desde el modelo hasta el chip, define el ritmo al que la inteligencia se vuelve asequible. Para las empresas latinoamericanas, el momento de revisar contratos de nube, evaluar migraciones a infraestructura propia o negociar mejores términos con proveedores es ahora.
