TL;DR
· OpenAIとブロードコムが初の自社開発AI推論チップ「Jalapeño」を発表、2026年末までの初期展開を目標とする。
· このチップはLLM推論向けであり、トレーニング用GPUの代替品ではない。初期性能の主張は依然として同社のテスト基準に基づく。
· OpenAIがエヌビディア依存を減らす第一歩だが、コスト削減幅、量産規模、実負荷での性能は未公表。

OpenAIとブロードコムは6月24日、大規模言語モデル推論向けの自社開発AIアクセラレータ「Jalapeño」を発表した。これはOpenAI初の「Intelligence Processor」と称されるチップである。両社の発表によれば、Jalapeñoはまだテストとサンプル段階にあり、2026年末までに初期展開を開始し、その後数年にわたって拡張を続ける目標だ。OpenAIにとっての重点は、直ちにすべてのエヌビディアGPUを置き換えることではなく、ChatGPT、Codex、API、そして将来のエージェント製品における増大する推論リクエストを、自社モデルに最適化されたソフトウェアとハードウェアの組み合わせへ段階的に移行することにある。

推論から着手、日々発生するクエリコストに注目

AIチップの需要は大別してトレーニングと推論に分かれる。トレーニングはモデルの能力上限を決定し、推論はモデルトレーニング完了後、許容可能なコストで膨大なユーザーリクエストに応答できるかを左右する。

Jalapeñoは後者を狙っている。OpenAIによれば、このチップは大規模言語モデルの推論ワークロードに使用され、ChatGPT、Codex、API、そして将来のエージェント製品にサービスを提供する。一般ユーザーにとっては、チャットインターフェースが直接変わるわけではないが、バックエンドでのリクエスト処理コスト、速度、拡張性に影響を与える可能性がある。

これはAI企業による自社チップ開発の潮流に共通する方向性である。GoogleはTPUを持ち、AmazonやMetaもカスタムアクセラレータを推進している。これらは必ずしもエヌビディアを完全に代替するものではなく、最も安定し大規模な内部ワークロードを、自社モデルとソフトウェアスタックに最適化されたチップへ移行することを目的としている。

OpenAIはこれまで、特にエヌビディアの高性能アクセラレータカードに代表される外部GPU供給に長らく依存してきた。モデル呼び出し量の増加に伴い、汎用GPUの調達だけでは、コストと供給が外部サプライチェーンに制約されるという二重の圧力が生じる。また、汎用チップは特定のモデルやサービス形態において必ずしも最高効率を発揮できるわけではない。Jalapeñoの直接的な変化は、OpenAIが単に計算能力を購入する立場から、計算能力の定義に参画し始めたことにある。

ブロードコムがシリコン実装と接続技術を担当、ウェハー製造元は未公表

JalapeñoはOpenAIがゼロから設計し、Broadcomがシリコン実装、ネットワーク、接続技術を提供し、Celesticaがボード、ラック、システムレベルの実装を担当している。公式発表ではウェハ製造元は開示されていないため、単純にBroadcomが製造を担当したとは言えない。

BroadcomはカスタムASICとデータセンターネットワークにおいて深い知見を蓄積しており、ここ数年は複数のAI大手が自社チップを開発する際のサプライヤーの一つとなっている。OpenAIにとって、Broadcomとの協業は、モデル企業内部のアーキテクチャ要件を、成熟した半導体およびシステムサプライチェーンに委ねてデプロイ可能な製品に変換するようなものだ。

性能面については、まだ余地を残しておく必要がある。両社は、Jalapeñoの目標は現在の最先端AIアクセラレータのスループット能力を組み合わせ、性能/ワットにおいて現在の先進的なソリューションを大幅に上回ることだと述べている。また公式には、エンジニアリングサンプルは既にラボで目標周波数と消費電力で機械学習ワークロードを実行しており、最終的な性能はまだ測定中で、今後数ヶ月以内にさらに詳細な技術レポートを発表すると強調している。

現時点では、サードパーティのベンチマークは公開されておらず、正確なスループット、レイテンシ、消費電力、1クエリあたりのコスト削減率などの主要指標も開示されていない。一部の市場解釈では、これをNVIDIA BlackwellやGoogle TPUと直接比較する向きもあるが、実際のデプロイデータが出るまでは、コスト削減や性能優位性はあくまで企業の初期テスト段階の主張に過ぎない。

9ヶ月でテープアウト、AI支援によるチップ設計がもう一つの焦点に

Jalapeñoには、公式が特に強調するもう一つの詳細がある。初期設計から製造テープアウトまでわずか9ヶ月しかかかっていないことだ。この期間は完全な量産サイクルを意味するのではなく、チップ設計が製造準備段階に入るまでのスピードを示している。

従来のチップ開発では、アーキテクチャ設計、検証、EDAフローからテープアウトまでに長い期間を要するのが一般的だ。OpenAIは、このプロセスが自社のモデルによって加速されたと述べている。同社は、AIがコードを書いたりコンテンツを生成するだけでなく、ハードウェアエンジニアリングのプロセスにも参入し、チップの設計と検証時間を短縮できることを証明しようとしている。

このアプローチが今後の製品で再利用可能であれば、Jalapeñoは単一世代のチップにとどまらず、OpenAIのマルチジェネレーションカスタムコンピューティングプラットフォームの出発点となる。OpenAIとBroadcomは既に2025年10月に10GW級のカスタムAIアクセラレータ協業を発表しており、2026年下半期からデプロイを開始し、2029年末までに完了する計画だ。Jalapeñoは、この協業ラインが公開製品段階に入った最初のサンプルである。

ただし、設計速度が速いからといってデプロイ速度が速いとは限らない。JalapeñoがOpenAIの中核インフラに組み込まれるかどうかは、今後の量産、パッケージング、高帯域幅メモリの供給、サーバーシステム統合、データセンターのスケジューリングにかかっている。どの段階でもボトルネックが発生すれば、年内の初期デプロイのペースに影響を与える可能性がある。

NVIDIA依存度低減は方向性であり、まだ代替は完了していない

Jalapeñoは、市場で「OpenAIがNVIDIAに挑戦」と最も解釈されやすい。より正確には、OpenAIが一部の推論ワークロードに対して、NVIDIA以外のカスタムパスを模索し始めたということだ。

NVIDIAの優位性は、単一GPUの性能だけでなく、CUDAエコシステム、トレーニングおよび推論ツールチェーン、システムレベルの相互接続、開発者基盤、供給規模にも及ぶ。OpenAIがJalapeñoを順調に展開したとしても、すぐにNVIDIAから脱却できるわけではない。特に最先端の大規模モデルトレーニング、汎用研究開発、多様なワークロードにおいて、ハイエンドGPUは依然として重要なインフラである。

推論フェーズはカスタムチップの導入に適している。リクエストパターンが比較的安定しており、モデル構造がより制御可能で、サービス目標も明確だからだ。OpenAIがChatGPT、Codex、またはAPIにおける高頻度で標準化された推論タスクをJalapeñoに移行できれば、コストと供給の柔軟性において実際のメリットを得られる可能性がある。

ブロードコムにとって、AI大手が自社チップを開発することは、半導体企業が迂回されることを意味せず、むしろより多くのカスタムプロジェクトをもたらす。ただし、こうしたプロジェクトの収益余地は、コンポーネントコスト、納入規模、システムの複雑さ、特に高帯域幅メモリなどの重要供給の価格と入手可能性に依存する。

Jalapeñoが次に本当に答えなければならないのは、発表時にBlackwellやTPUに対抗できるかどうかではなく、年末までにどの程度の規模で稼働し、どのような実負荷を処理でき、推論コストをどの水準まで引き下げられるかである。OpenAIにとって、この「メキシカンハラペーニョ」はGPUのボトルネックから脱却するための最初の試しであり、メインディッシュになり得るかどうかは、展開データが示すのを待つ必要がある。

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia