OpenAI Jalapeño ASICは社内利用にとどまるが、Nvidiaへの挑戦はその先を見据える
OpenAIは、OpenAI Jalapeño ASICが自社のポートフォリオ以外のモデルも実行できると示しながらも、同社初のカスタム推論チップを社内展開に限定している。
この区別が、現在のチップの市場における位置付けを決めている。OpenAIは、ChatGPT、Codex、API、そして高度化するエージェント型製品が生む電力と容量の圧力を軽減するためにJalapeñoを必要としている。一方で、公開ベンチマークでは意図的にこのチップをNvidiaのGB200およびGB300システムと並べている。
OpenAIのハードウェア責任者であるRichard Ho氏はTom’s Hardwareに対し、OpenAIの支援は「かなり長い間」優先事項であり続けると語った。同氏はまた、このプロセッサは他組織にも利用され得るものであり、OpenAIのモデル向けにハードコードされたものではないと述べた。
これにより、OpenAIは特異な立場に置かれる。同社はクラウド購入者、開発者、あるいは競合するAI研究所に向けてNvidiaの代替製品を提供しているわけではない。しかし、ますますそれに近いものを構築し、公開測定している。
したがって、本当の競争は商用チップ市場におけるOpenAI対Nvidiaではない。OpenAIの社内優先戦略と、同社が生み出したプログラマブルな推論プラットフォームが持つ、より広い可能性との競争である。
OpenAI Jalapeño ASICには明確な最初の顧客がいる
OpenAIは自社の推論需要に対応するためにJalapeñoを開発しており、その需要は初期供給を吸収できるほど大きい。
Jalapeñoは、大規模言語モデルの推論を中心に設計された特定用途向け集積回路、すなわちASICである。推論とは、学習済みモデルがリクエストを受け取った後に回答を生成するプロセスを指す。
OpenAIは2026年6月24日、Broadcomとともにこのプロセッサを発表した。両社はこれをOpenAI初の「Intelligence Processor」と位置付け、複数世代にわたるコンピュートプラットフォームの始まりだと説明した。
Jalapeñoの発表では、このチップがOpenAIの実運用ワークロードと直接結び付けられている。対象にはChatGPT、Codex、OpenAI API、そしてAIエージェントを中心に構築される将来製品が含まれる。
OpenAIがアーキテクチャを設計し、Broadcomはシリコン実装とネットワーキング技術を提供した。Celesticaは、チップを展開可能なコンピューティングプラットフォームへ移行するために必要なボード、ラック、システム統合を支援している。
この役割分担は重要だ。OpenAIは単にプロセッサを購入し、その後でソフトウェアを適応させているのではない。チップアーキテクチャ、メモリ移動、ネットワーキング、カーネル、スケジューリング、製品ワークロードを、同じ推論目標に沿って整合させている。
当面の目的は効率性である。Ho氏はTom’s Hardwareに対し、特に電力制約のあるデータセンターにおいて、これが設計上の中心的優先事項だったと語った。
現代のAIインフラは、プロセッサを追加するだけでは拡張できない。事業者は電力、冷却、ネットワーキング、メモリ、パッケージング能力、そして物理的なデータセンター空間も確保しなければならない。
固定された電力枠内でより多くの有用な推論処理を完了できるプロセッサは、新たな施設の稼働を待たずに容量を生み出せる。OpenAIにとっては、実際に展開可能なインフラから、より多くのリクエストに対応できることを意味する。
これが、外部向けローンチが現時点で優先されない理由を説明している。OpenAIにはすでに、継続的な需要、自社ソフトウェアスタックへの直接アクセス、利用率改善への強い動機を備えた囲い込み顧客が存在する。
Ho氏は、自社要件を満たすだけで「手いっぱい」になると述べた。同氏の発言は恒久的な制限ではなく、実施順序を示すものだ。
Jalapeñoはまず、OpenAIがモデル、サービングソフトウェア、インフラに関する判断を管理する環境に導入される。この環境は、ボトルネックの特定と後続世代の改善に向け、エンジニアに最短のフィードバックループも与える。
初期展開は2026年末に予定されている。同社は、外部顧客向けのパブリッククラウドインスタンス、アクセラレータカード、ライセンスプログラム、販売チャネルを発表していない。
このため、Jalapeñoは現時点では社内プラットフォームである。しかし、それはアーキテクチャが本質的に社内専用であることを意味しない。
OpenAIによると、エンジニアリングサンプルはすでに目標とする量産時の周波数と電力で機械学習ワークロードを実行している。同社はOpenAI以外で開発されたモデルの結果も提示しており、プロセッサを狭義に解釈することを難しくしている。
チップの最初の顧客は定まっている。将来市場の境界は、まだ定まっていない。
効率性が社内シリコンを戦略的資産へ変える
Jalapeñoは、汎用アクセラレータのロードマップだけに全面依存せず、OpenAIが推論容量を拡大するもう一つの手段となる。
OpenAIとBroadcomは、より広範なインフラ提携を2025年10月に初めて明らかにした。この契約は、OpenAI設計のアクセラレータ10ギガワット分と、それに付随するネットワーキングシステムを対象としている。
10ギガワットの協業では、ラックの展開を2026年後半に開始し、2029年末までに完了することを目標としていた。
この規模により、Jalapeñoは孤立したチップ実験以上のものとなる。複数のプロセッサ世代とデータセンターパートナーにまたがる大規模なインフラ計画の一部となることが意図されている。
OpenAIによると、最初のプロセッサは設計から製造向けテープアウトまで9カ月で進んだ。テープアウトとは、完成したチップ設計が製造に向けてリリースされる段階である。
このスケジュールはOpenAIとBroadcomによる主張であり、独立して確立された業界記録ではない。それでも、このタイムラインは、ソフトウェアと半導体のロードマップが収束し始めている理由を示している。
OpenAIは、展開済み製品全体でどの処理が時間とエネルギーを消費しているかを把握している。こうした観測結果は、後工程のソフトウェア最適化だけで対処するのではなく、製造前のハードウェアに影響を与えられる。
このアーキテクチャは、データ移動の削減と、コンピュート、メモリ、ネットワーキング資源の緊密な連携を目指している。モデルデータの移動は多くの場合かなりのエネルギーを消費するため、不必要な移動を減らすことでシステムレベルの効率性を改善できる。
この焦点は、推論が学習と異なる点も反映している。学習はモデルパラメータを作成または更新する一方、推論はそれらのパラメータを繰り返し使用してリアルタイムのリクエストに答える。
Jalapeñoは、両方のワークロードにおいてNvidiaのハードウェアを置き換えるものではない。OpenAIはこれを推論用に位置付けており、学習は明示された役割の範囲外としている。
しかし、利用が拡大するにつれて推論の重要性は増す。ChatGPTの応答、API呼び出し、複数ステップのCodexタスクはいずれも、モデル学習が完了した後に繰り返し発生するサービング処理を追加する。
エージェント型製品は、この圧力をさらに高め得る。1つのユーザー指示が、完成した結果を返すまでに、多数のモデル呼び出し、ツール操作、検証、修正を引き起こす可能性がある。
開発者や企業の購入者にとっては、チップの名称よりも効果の方が重要である。推論効率の向上は、需要急増時の低遅延、より安定した可用性、または経済性の改善を支え得る。
OpenAIは、削減分を顧客に直接還元することを約束していない。また、リクエスト当たりの検証済みコスト削減を算出するには、十分な運用データも公表していない。
それでも、戦略的な利点は明らかだ。推論アーキテクチャを保有することで、容量、電力、またはサプライヤーのスケジュールが製品成長を制約する際、OpenAIはもう一つの手段を得る。
また、OpenAIが直接のチップベンダーにならずとも、Nvidiaに圧力をかけることができる。Jalapeñoへ移行するワークロードはすべて、Nvidiaの推論アクセラレータを必要としないワークロードとなる。
その圧力には明確な限界がある。Nvidiaは、成熟したソフトウェア環境、学習システム、ネットワーキング、そして複数のクラウドプロバイダーで利用可能なアクセラレータを提供している。
OpenAIは、効率的なASICを製造するだけでそのエコシステムを再現することはできない。Jalapeñoが社内で価値を持つために、それを実現する必要もない。
社内チップは、OpenAIが十分な頻度で実行するワークロードにおいて、エンジニアリングと展開のコストを正当化できるだけ、利用可能な代替手段を上回ればよい。
だからこそ、効率性が決定的な指標となる。Jalapeñoの価値は、すべてのベンチマークに勝つことよりも、OpenAIの電力、レイテンシ、供給上の制約の中で有用なトークンを提供できるかにかかっている。
OpenAI Jalapeño対Nvidiaは単純な競争ではない
OpenAIのベンチマークは、Jalapeñoが信頼できる推論設計であることを示しているが、Nvidiaのプラットフォームを完全に置き換えることを立証するものではない。
Hot Chips 2026で、OpenAIはSemiAnalysisの公開InferenceXベンチマークスイートを用い、JalapeñoをNvidiaのGB200およびGB300ラックシステムと比較した。
テスト対象には、OpenAIのGPT-OSS 120B、DeepSeek R1 670B、Moonshot AIのKimi K2.5が含まれた。外部モデルを含めたことは、JalapeñoがプログラマブルであるというOpenAIの主張を支えている。
公表された結果によると、Jalapeñoはキロワット当たりのスループットで1.5倍から1.9倍を達成した。OpenAIはまた、エンドツーエンドのレイテンシが1.7倍から3.6倍低いと報告した。
公表されたベンチマークでは、700ワットのJalapeñoパッケージを、1,200ワットおよび1,400ワット定格のNvidiaアクセラレータと比較している。
OpenAIによると、テスト中のJalapeñoの持続電力は550ワット以下だった。それでも主な計算では、各プロセッサの公表された熱設計電力を用いて結果を正規化している。
このチップは、1つのコンピュートダイと6つのHBM4スタックを組み合わせる。216 GiBの高帯域幅メモリと、毎秒15.4テラバイトのメモリ帯域幅を提供する。
高帯域幅メモリはメモリをプロセッサの近くに配置し、通常のサーバーメモリよりはるかに高速にデータを供給する。大規模モデルのパラメータを推論中に利用可能な状態に保つ必要がある際、この帯域幅は不可欠である。
OpenAIの設計は、利用可能な帯域幅のより大きな部分を実行中のワークロードに公開することに重点を置いていると報じられている。単にメモリ帯域幅を追加し、アプリケーションが効率的に使うと想定しているわけではない。
これらの仕様は、Jalapeñoの効率性に関する主張の説明に役立つ。しかし、いくつかの重要な留保を解消するものではない。
第一に、OpenAIがモデル、構成、レイテンシの測定点、比較の枠組みを選択した。SemiAnalysisはテストの実施に参加したが、結果は依然としてOpenAIの研究施設とハードウェアから得られたものだ。
第二に、主な比較ではパッケージ電力定格が用いられた。各システムの実際のエネルギー消費をより多く含む補足的なユーティリティ電力比較では、差はより小さかった。
第三に、JalapeñoとNvidiaシステムでは、必ずしも同一のデコーディング技術が使用されたわけではない。Nvidiaの展開ではマルチトークン予測を使用でき、これは大規模モデルの1回のパスで複数の候補トークンを生成する。
強調された比較では、Jalapeñoはシングルトークン予測を使用した。そのため結果は有益である一方、読者が競争全体を単一の性能比に還元することはできない。
第四に、Nvidiaの新しいVera Rubinプラットフォームは含まれていなかった。GB200およびGB300とのベンチマークは、重要なBlackwellシステムに対する競争力を示すものであり、利用可能なすべてのNvidia世代に対する優位性を示すものではない。
最も重要なのは、Jalapeñoがモデルを学習しないことである。Nvidiaのシステムは学習と推論の両方を支援しており、ワークロードが変化した際に顧客へより大きな柔軟性を与える。
OpenAIも引き続きNvidiaの機器を必要としている。Jalapeñoは多様化戦略であり、両社の関係が終わったことを示す証拠ではない。
したがって、OpenAI Jalapeño対Nvidiaという構図には正確さが求められる。Jalapeñoは、OpenAIが公表した条件下における選定された推論ワークロードで、Nvidiaの効率性に挑戦している。
Nvidiaの市場全体における役割、ソフトウェアの到達範囲、展開可能性、学習能力に匹敵するものではない。
ベンチマークが依然として重要なのは、カスタムASICの比較でこれほど直接的なものはめったにないためです。専用チップは内部クラウドサービスの裏側に隠されることが多く、競争力のある性能について公開された証拠は限られています。
これに対しOpenAIは、現行のNvidiaシステムを明示し、電力正規化済みの結果を提示したうえで、3つの大規模モデルを実行しました。この決定により、市場はJalapeñoを単なる囲い込み型インフラ以上の存在として評価できるようになりました。
同社によれば、エンジニアはおよそ2カ月でDeepSeekとKimiをA0シリコン・サンプルへ移植しました。A0とは、テスト用に返却される最初の製造リビジョンを指します。
Ho氏によると、このデモンストレーションは、このチップがOpenAIのモデルしかサポートしないという前提を否定するためのものでした。より重要な主張は、Jalapeñoが対象とする推論領域において、プログラム可能で汎用的なプロセッサだという点です。
この違いにより、外部市場への展開という問題はなお残ります。1つの非公開モデルスタックに結び付いたプロセッサは、その所有者以外にはほとんど意味を持ちません。
主要な外部モデルを実行できるプロセッサには、OpenAIがアクセスの販売を選んでいないとしても、より広い利用可能性があります。
プログラム可能性は扉を開くが、供給は限定的にとどめる
Jalapeñoのソフトウェア柔軟性はより広範な展開を支える一方、製造能力とOpenAI自身の需要は、近いうちの実現を阻む要因となる。
より幅広い利用を示す最も強い証拠は、Ho氏の推測的な表現ではありません。外部モデルのサポート、複数世代にわたるロードマップ、そしてギガワット規模の展開計画を組み合わせた点です。
OpenAIは将来、いくつかの方法でこのハードウェアを提供する可能性があります。顧客にチップを直接管理させず、Jalapeñoを基盤とするAPI容量を提供するかもしれません。
インフラパートナーと協力し、専用インスタンスを提供する可能性もあります。また、後継世代を選定済みのデータセンター運営事業者を通じて利用可能にすることも考えられます。
ただし、これらの経路はいずれも発表されていません。これらを計画として扱うことは、OpenAIの発言を過大に解釈することになります。
内部利用に関するインタビューは、より慎重な立場を示しています。OpenAIは他組織もこのプロセッサを利用できると考えていますが、自社の容量ニーズが最優先です。
最も差し迫った制約は供給です。先進的なアクセラレータは、製造能力、高帯域幅メモリ、パッケージング、ネットワーク部品、電力、完成済みデータセンターのスペースをめぐって競合します。
OpenAIが設計したからといって、Jalapeñoがこうしたボトルネックを回避できるわけではありません。競合するAIプロセッサと同じ生産待ち行列の多くに入ることになります。
特に重要なのは、6基のHBM4スタックです。この構成を大規模展開へ拡大すれば、OpenAIは希少な高帯域幅メモリの主要な消費者になります。
このシステムには、パッケージ化されたプロセッサ以上のものが必要です。Broadcomはネットワーク技術を提供し、Celesticaはボード、ラック、システム統合を担います。
すべての層が正しい順序で届かなければなりません。アクセラレータ自体の準備ができていても、1つの部品が不足すれば実用的な容量の立ち上げは遅れます。
OpenAIは内部供給について良好な状況にあると述べています。しかし、その発言は、予測可能なサービス保証を伴って外部顧客を支える十分な能力があることを示すものではありません。
外部販売には追加の責務が伴います。購入者には、ドキュメント、ソフトウェアサポート、ワークロードの認定、保守、スケジューリング、将来世代への安定したアクセスが必要です。
成功するマーチャント・プラットフォームには、ベンチマーク性能を超えた信頼も必要です。顧客は、ベンダーが予測可能な容量を提供し、ソフトウェア更新をまたいで互換性を維持すると信じなければなりません。
OpenAIは現在、自社インフラ内でこの関係の両側を制御しています。チップと並行して、モデル、カーネル、スケジューリングソフトウェアを変更できます。
外部顧客のワークロード構成は、必ずしもOpenAIと同じではありません。異なるモデルアーキテクチャ、量子化形式、コンテキスト長、レイテンシ目標により、公表済みテストでは見えなかった制約が明らかになる可能性があります。
ここが懐疑的に見る際の中心点です。3つの外部モデルを実行できることは柔軟性を示しますが、本番推論環境全体での普遍的な効率性を証明するものではありません。
Hot Chipsのプレゼンテーションは、有意義なアーキテクチャ詳細を示しました。それでも、OpenAIの研究所で生み出された結果よりも、独立した環境での展開の方が強い証拠となるでしょう。
より広範な展開は、内部目標から注意をそらす可能性もあります。OpenAIが初代の展開と後継製品の準備を進める中、第三者への対応にはエンジニアリング時間が必要になります。
同社は、このプロジェクトを正当化するためにマーチャント収益を必要としていません。内部推論コストの低下、容量の増加、応答レイテンシの改善だけで、十分なリターンを得られる可能性があります。
そのため、チップが良好な性能を発揮したとしても、短期的な商用立ち上げの可能性は低くなります。OpenAIは供給を確約せず選択肢を維持することで、戦略的な柔軟性を得ます。
この緊張関係は、複数世代にわたって未解決のまま残るかもしれません。OpenAIはJalapeñoを内部で改善し続けながら、そのソフトウェア基盤をより移植可能にできます。
外部アクセスが最終的に実現するとすれば、内部展開で実績を築いた後であり、その前ではない可能性が高いでしょう。
より直接的な影響を受けるのはインフラ供給企業です。BroadcomはOpenAIのコンピューティングスタックで中心的な役割を得る一方、Nvidiaは専用シリコンを開発する顧客をもう1社抱えることになります。
GoogleのTPUプログラムは、最も明確な歴史的パターンを示しています。GoogleはまずTensor Processing Unitsを社内利用し、その後、一般的なアクセラレータカードとして販売するのではなくGoogle Cloudを通じて提供しました。
AmazonもInferentiaとTrainiumで関連する道筋をたどりました。これらのプロセッサはAWSサービスを強化し、顧客にはAmazonのクラウド環境を通じてアクセスを提供します。
OpenAIには同等の汎用クラウド事業がありません。この違いにより、外部提供への道筋はより不明確になります。
Microsoftやその他のデータセンターパートナーがチャネルを提供する可能性はあります。それでも、顧客がJalapeñoを基盤とする容量を選べるかどうかについて、関係者は説明していません。
それが変わるまで、このプロセッサはNvidiaに代わる購入可能な選択肢ではなく、OpenAI製品のためのインフラにとどまります。
JalapeñoがOpenAIを超えるかを示す3つのシグナル
展開の証拠、より広範なワークロード検証、外部アクセスモデルによって、Jalapeñoがプラットフォームになるのか、それとも非公開インフラにとどまるのかが決まる。
第1のシグナルは、2026年末までに検証された本番展開です。OpenAIは、初期プラットフォームが年内に展開を開始すると述べています。
読者は、Jalapeñoが実際のChatGPT、Codex、またはAPIトラフィックを処理しているという確認に注目すべきです。本番利用は、制御されたベンチマークを超えて、信頼性、利用率、レイテンシ、統合を検証することになります。
最も有用な開示は、設置済みハードウェアと実際に提供中の容量を分けて示すものです。研究所に置かれたプロセッサや、部分的にしか完成していないラックは、顧客トラフィックと同じ証拠にはなりません。
本番運用は、フルスタック・アプローチが機能するというOpenAIの主張を強めます。遅延が生じれば、9カ月の開発サイクルが示唆する積極的なスケジュールは弱まります。
第2のシグナルは、より多くのモデルとデコード構成にわたる独立した性能試験です。OpenAIのHot Chipsの結果は信頼できる出発点を作りましたが、最終判断ではありません。
より強力なテストでは、システム全体の消費電力、同等精度、一致するレイテンシ目標、最新のソフトウェアスタックを比較します。比較可能なシステムが利用可能になれば、Nvidia Vera Rubinも含めるべきです。
レビュー担当者は、長いコンテキスト、異なるバッチサイズ、mixture-of-expertsモデル、エージェント型ワークロードでの性能を調べるべきです。平均効率は、対話型製品で重要な動作点における弱い結果を隠す可能性があります。
Hot Chipsの分析は、なぜシステム詳細が重要なのかを示しています。Jalapeñoは、単体プロセッサではなく完全な推論プラットフォームとして提示されています。
このプラットフォーム全体にわたる独立検証があれば、汎用利用に関する主張はより強まります。より限定的な結果であれば、Jalapeñoは主としてOpenAIのワークロード特性に最適化されたままだという見方を支持するでしょう。
第3のシグナルは、具体的な外部アクセスの仕組みです。それは、他組織もチップを利用できるという発言以上のものを意味します。
実際の動きには、明示されたクラウドパートナー、インスタンスタイプ、容量コミットメント、開発者プログラム、またはサポート対象のソフトウェア環境が含まれます。また、誰がハードウェアを運用し、誰が顧客を支援するのかも定義される必要があります。
OpenAIがこのような経路を発表すれば、Jalapeñoはアクセス可能な代替手段としてNvidiaに圧力をかけ始めるでしょう。これがなければ、その競争上の影響は間接的なものにとどまります。
とはいえ、この間接的な影響も大きくなり得ます。社内向けカスタムシリコンは、将来の推論需要のうち既存サプライヤーへ自動的に流れる割合を減らします。
また、OpenAIに購買交渉上の影響力を与えます。Nvidiaが不可欠であり続ける場合でも、信頼できる代替手段があることで、納入スケジュール、システム設計、長期的な容量をめぐる議論は変わります。
開発者は、現時点でJalapeñoを前提にアプリケーションを再設計すべきではありません。公開インスタンス、直接的なプログラミング環境、展開コミットメントはいずれも利用できません。
代わりに、OpenAIサービスの挙動の変化を注視すべきです。レイテンシの低下、レート制限の引き上げ、可用性の安定、新たなエージェント型機能は、まず運用上の効果を示すかもしれません。
エンタープライズの購入担当者は別の問いを立てるべきです。OpenAIのインフラ多様化がサービス信頼性を改善するのか、それとも未成熟な依存関係をもう1つ導入するのかを知る必要があります。
スタックのより多くをOpenAIが制御することで、最適化は加速できます。一方で、技術的な意思決定を1社に集中させ、標準的なクラウドハードウェアとの性能比較を難しくする可能性もあります。
ナレッジワーカーは、プロセッサ仕様ではなく製品を通じて結果を体験します。応答の高速化は重要ですが、AIシステムがより長いタスクを扱うようになるにつれ、信頼できる複数ステップの作業はさらに重要になるかもしれません。
この観点から説明すると、OpenAI Jalapeñoは半導体事業への参入が主題ではありません。あらゆるモデルとのやり取りを支えるコストと容量を制御することが主題です。
現時点で同社は、明確な運用上の境界を引いています。OpenAIは展開可能なものをすべて消費すると見込んでいるため、JalapeñoはまずOpenAIに提供されます。
一方で、その公開上の位置付けはこの境界の先を示しています。このプロセッサは外部モデルを実行し、複数世代のロードマップに従い、NvidiaのフラッグシップBlackwellシステムと比較ベンチマークされています。
こうした選択は、即時の商用立ち上げを必要とせず、より大きな野心を維持するものです。
今後3カ月で、この違いはより明確になるはずです。本番トラフィック、独立したベンチマークの再現、外部アクセスのために明示された経路に注目してください。
3つすべてが現れれば、Jalapeñoは内部インフラからより広範な推論プラットフォームへ移行したことになります。展開だけが実現した場合でも、OpenAIは戦略的に重要な成果を達成したことになります。
すなわち、最も急成長するワークロード向けに専用のコンピューティング供給源を作り出しつつ、Nvidiaが最も強い領域ではNvidiaをスタックに残すことです。
これが現在の混合戦略の実態です。OpenAIはNvidiaを置き換えておらず、Jalapeñoを市場で販売しているわけでもありません。
両方の可能性を開いたままにするため、十分な技術的・運用上の信頼性を構築しているのです。
