«نه ماه، از صفر تا یک غول: OpenAI با تراشه اختصاصی Jalapeño، وابستگی به انویدیا را به چالش کشید و “پشته کامل” هوش مصنوعی خود را تکمیل کرد.»

---

در تاریخ ۲۴ ژوئن ۲۰۲۶، OpenAI رسماً از اولین تراشه هوش مصنوعی اختصاصی خود با نام «Jalapeño» رونمایی کرد. این تراشه که به همراه شرکت Broadcom طراحی شده است，یک مدار مجتمع خاص منظوره (ASIC) است که بهطور ویژه برای استنتاج (Inference) مدل‌های زبانی بزرگ (LLM) بهینه‌سازی شده است. Jalapeño که نام خود را از فلفل مکزیکی گرفته， اولین گام در یک پلتفرم محاسباتی چندنسلی است که OpenAI و Broadcom با هم می‌سازند.

سه بازیگر اصلی این تحول عبارت‌اند از: OpenAI که پس از سال‌ها وابستگی به انویدیا، حالا با «پشته کامل» خود – از تراشه تا مدل و محصول – به دنبال استقلال راهبردی است؛ Broadcom که با این همکاری، جایگاه خود را به عنوان طراح اصلی تراشه‌های سفارشی برای غول‌های هوش مصنوعی تثبیت می‌کند؛ و Nvidia که برای اولین بار با یک رقیب جدی در تراشه‌های استنتاج روبه‌رو شده که ادعا می‌کند عملکردی هم‌تراز با Blackwell دارد.

---

Jalapeño دقیقاً چیست؟

Jalapeño یک پردازنده هوشمند (Intelligence Processor) است که از صفر تا صد برای نیازهای خاص استنتاج مدل‌های زبانی بزرگ طراحی شده. برخلاف پردازنده‌های گرافیکی (GPU) انویدیا که هم برای آموزش و هم برای استنتاج استفاده می‌شوند، Jalapeño صرفاً برای فاز استنتاج – یعنی اجرای مدل‌های آموزش‌دیده در پاسخ به درخواست کاربران – بهینه‌سازی شده است.

معماری Jalapeño بر اساس درک عمیق OpenAI از مدل‌های زبانی بزرگ، هسته‌های محاسباتی (Kernels)، سیستم‌های سرویس‌دهی (Serving Systems) و نیازهای محصولات آینده طراحی شده است. این تراشه با انعطاف‌پذیری طراحی شده تا با همه مدل‌های زبانی بزرگ، نه فقط مدل‌های OpenAI، سازگار باشد.معماری آن حمل‌ونقل داده را کاهش داده و محاسبات، حافظه و منابع شبکه را متوازن کرده تا بهره‌وری واقعی را به حداکثر برساند.

همکاری در این پروژه به این شکل تقسیم شده است: OpenAI مسئول طراحی معماری از صفر است؛ Broadcom پیاده‌سازی سیلیکون، شبکه و فناوری‌های اتصال را بر عهده دارد؛ و Celestica (شرکت کانادایی) یکپارچه‌سازی برد، رک و سیستم را انجام می‌دهد. Jalapeño برای استقرار در مراکز داده در مقیاس گیگاواتی با شرکای مایکروسافت و دیگران طراحی شده است.

---

عملکرد و هزینه: ادعاهای بزرگ

Jalapeño با ادعاهای چشم‌گیری وارد میدان شده است:

عملکرد هم‌تراز با غول‌ها: به گفته Hock Tan، مدیرعامل Broadcom، Jalapeño عملکردی قابل‌رقابت با تراشه‌های Blackwell انویدیا و TPUهای گوگل دارد.

هزینه ۵۰ درصد کمتر: آزمایش‌ها نشان می‌دهد که هزینه محاسباتی Jalapeño حدود ۵۰ درصد کمتر از پردازنده‌های گرافیکی سنتی هوش مصنوعی است.

بهره‌وری انرژی برتر:早期 آزمایش‌ها نشان می‌دهد که بهره‌وری به ازای هر وات (Performance per Watt) Jalapeño به‌طور قابل‌توجهی بهتر از فناوری‌های پیشروی فعلی است.

کارایی نزدیک به حد تئوری: معماری این تراشه به آن اجازه می‌دهد تا بارهای کاری مهم را نزدیک به محدودیت‌های تئوری سخت‌افزار اجرا کند.

آماده برای تولید: نمونه‌های مهندسی Jalapeño هم‌اکنون در آزمایشگاه با فرکانس و توان هدف تولید در حال اجرای بارهای کاری یادگیری ماشین، از جمله GPT-5.3-Codex-Spark هستند.

با این حال، یک نکته مهم: Jalapeño و سرورهای همراه آن به‌صورت عمومی فروخته نمی‌شوند و صرفاً برای استفاده داخلی OpenAI در نظر گرفته شده‌اند.

---

چرا Jalapeño مهم است؟ استراتژی «پشته کامل» OpenAI

Jalapeño صرفاً یک تراشه جدید نیست؛ نقطه‌عطفی در استراتژی OpenAI برای تکمیل «پشته کامل» (Full-Stack) فناوری خود است.

Greg Brockman، رئیس و هم‌بنیانگذار OpenAI، این موضوع را به‌خوبی خلاصه کرده است: «جهان در حال حرکت به سمت اقتصادی است که با محاسبات تغذیه می‌شود. Jalapeño بخشی از استراتژی بلندمدت زیرساخت پشته کامل ماست تا محاسبات را فراوان‌تر کند و در نتیجه هوش مصنوعی را سریع‌تر، قابل‌اعتمادتر و مقرون‌به‌صرفه‌تر برای افراد و کسب‌وکارها سازد. با طراحی بیشتر پشته به‌صورت خودمان، می‌توانیم هوش بیشتری را با کارایی بالاتر ارائه دهیم.»

این حرکت OpenAI را در کنار گوگل (با TPU) و آمازون (با Trainium) قرار می‌دهد که هرکدام تراشه‌های اختصاصی خود را ساخته‌اند. اما Jalapeño با تمرکز ویژه بر استنتاج، نیاز فوری‌ترین痛点 صنعت را هدف گرفته است: هزینه‌های سرسام‌آور اجرای مدل‌ها در مقیاس جهانی.با طراحی تراشه اختصاصی، OpenAI نه تنها وابستگی خود به انویدیا را کاهش می‌دهد， بلکه قدرت چانه‌زنی خود را در برابر تأمین‌کنندگان افزایش می‌دهد و کنترل بیشتری بر زنجیره تأمین و هزینه‌ها پیدا می‌کند.

Richard Ho، مسئول برنامه سخت‌افزار OpenAI، تأکید کرده که Jalapeño «از صفر برای استنتاج LLM با استفاده از جزئیات دقیق حاصل از همکاری نزدیک با محققان OpenAI طراحی شده است».

---

سرعت بی‌سابقه توسعه: ۹ ماه از طراحی تا تولید

شاید شگفت‌انگیزترین جنبه Jalapeño، سرعت توسعه آن باشد. این پروژه از طراحی اولیه تا تولید نهایی (Tape-Out) تنها ۹ ماه به طول انجامیده است. این موضوع Jalapeño را به سریع‌ترین چرخه توسعه ASIC در تاریخ نیمه‌رساناهای پیشرفته تبدیل کرده است.

چطور چنین سرعتی ممکن شد؟ دو عامل کلیدی:

۱. همکاری عمیق با Broadcom: تجربه گسترده Broadcom در طراحی تراشه‌های سفارشی برای ابر غول‌ها، روند توسعه را به‌شدت تسریع کرده است.

۲. طراحی با کمک خود OpenAI: خود OpenAI از مدل‌های هوش مصنوعی خود برای تسریع بخش‌هایی از فرآیند طراحی و بهینه‌سازی تراشه استفاده کرده است. این یعنی هوش مصنوعی نه تنها کاربر تراشه، بلکه طراح آن نیز بوده است.

Brockman در گفت‌وگو با CNBC گفت: «میزانی که مدل‌های ما توانستند این روند را تسریع کنند، برای ما بسیار شگفت‌آور بود.»

---

چالش‌ها و محدودیت‌ها

با وجود این دستاوردهای بزرگ، Jalapeño با چالش‌هایی نیز روبه‌رو است:

فشار بر حاشیه سود Broadcom: Hock Tan اذعان کرده که تراشه‌های سفارشی هوش مصنوعی به مقادیر زیادی حافظه پهن‌باند بالا (HBM) نیاز دارند که عمدتاً توسط SK Hynix و سامسونگ تأمین می‌شود و این موضوع حاشیه سود این تراشه‌ها را نسبت به سایر محصولات Broadcom مانند سوئیچ‌های شبکه کاهش می‌دهد.

تمرکز صرف بر استنتاج: Jalapeño برای آموزش مدل‌های بزرگ طراحی نشده است. بنابراین OpenAI همچنان برای آموزش به تراشه‌های انویدیا یا سایر تأمین‌کنندگان وابسته خواهد بود. Richard Ho نیز تأیید کرده که وظایف سنگین‌تر مانند پیش‌آموزش (Pre-training) همچنان به سخت‌افزار انویدیا متکی خواهند بود.

عدم فروش عمومی: Jalapeño و سیستم‌های سرور همراه آن فروخته نمی‌شوند و صرفاً برای استفاده داخلی OpenAI هستند. این بدان معناست که تأثیر آن بر بازار گسترده‌تر تراشه، غیرمستقیم خواهد بود.

---

برنامه استقرار و آینده

Jalapeño فقط یک پروژه یک‌باره نیست؛ اولین گام در یک نقشه راه چندنسلی است.

برنامه استقرار: انتظار می‌رود Jalapeño تا پایان سال ۲۰۲۶ در زیرساخت‌های OpenAI مستقر شود.

مقیاس: این تراشه در مراکز داده در مقیاس گیگاواتی با شرکای مایکروسافت و دیگران مستقر خواهد شد.

نسل‌های بعدی: Broadcom و OpenAI از قبل برای نسل بعدی برنامه‌ریزی کرده‌اند که انتظار می‌رود در سال ۲۰۲۸ عرضه شود و پس از آن با نرخ سالانه به‌روزرسانی خواهد شد.

---

جدول مقایسه: Jalapeño در برابر رقبا

ویژگی	Jalapeño (OpenAI)	Blackwell (Nvidia)	TPU (Google)
کاربرد اصلی	استنتاج LLM	آموزش و استنتاج	آموزش و استنتاج
عملکرد	قابل‌رقابت با Blackwell	مرجع صنعت	قابل‌رقابت با Blackwell
هزینه عملیاتی	~۵۰٪ کمتر از GPUهای سنتی	بالا	متوسط
وضعیت فروش	داخلی (فروش نمی‌شود)	فروش عمومی	داخلی (Google Cloud)
زمان توسعه	۹ ماه	چند سال	چند سال
هدف اصلی	کاهش وابستگی به Nvidia	تسلط بر بازار	کاهش وابستگی به Nvidia

---

Jalapeño، آغاز یک عصر جدید

Jalapeño یک نقطه‌عطف تاریخی برای OpenAI و صنعت هوش مصنوعی است. این تراشه نشان می‌دهد که شرکت‌های هوش مصنوعی دیگر فقط مصرف‌کننده سخت‌افزار نیستند؛ آنها طراحان و سازندگان آن نیز هستند. OpenAI با ۹ ماه کار فشرده، به‌همراه Broadcom، تراشه‌ای ساخته که ادعا می‌کند با غول‌هایی مانند انویدیا و گوگل رقابت می‌کند – و این کار را با هزینه‌ای بسیار کمتر انجام می‌دهد.

پرسش بی‌پاسخ این است: آیا Jalapeño می‌تواند در عمل به وعده‌های خود عمل کند؟ نتایج نهایی عملکرد در ماه‌های آینده منتشر خواهد شد. و مهم‌تر از آن، آیا این حرکت، سرآغازی برای پایان انحصار انویدیا در تراشه‌های هوش مصنوعی است، یا صرفاً یک چالش نمادین که تغییری اساسی در توازن قدرت ایجاد نمی‌کند؟

یک چیز قطعی است: Jalapeño پیامی روشن به صنعت فرستاده است: عصر “ساخت‌وساز سفارشی” در هوش مصنوعی آغاز شده است. شرکت‌هایی که میلیاردها دلار برای آموزش مدل‌ها هزینه می‌کنند، حالا می‌خواهند سخت‌افزاری را که روی آن اجرا می‌شوند نیز خودشان طراحی کنند. این حرکت، اگر موفق باشد، نه تنها معادلات اقتصادی هوش مصنوعی را تغییر می‌دهد، بلکه ساختار قدرت در کل صنعت فناوری را بازتعریف خواهد کرد.