OpenAI pone picante a la guerra de la IA: Jalapeño, el chip que amenaza el reinado de Nvidia

OpenAI ha dado un paso decisivo para dejar de ser únicamente una compañía de modelos y aplicaciones de inteligencia artificial. La empresa responsable de ChatGPT ha presentado Jalapeño, su primer procesador diseñado específicamente para ejecutar modelos de lenguaje de gran tamaño, una pieza de hardware que puede transformar el equilibrio de poder en el mercado tecnológico.

El chip ha sido desarrollado junto a Broadcom, uno de los principales fabricantes mundiales de circuitos integrados y componentes para centros de datos. A diferencia de un procesador convencional, Jalapeño no pretende servir para todo tipo de tareas. Su objetivo es mucho más concreto ya que se dedicará a realizar la inferencia, es decir, el proceso mediante el cual un modelo ya entrenado genera una respuesta a una pregunta, completa una tarea o ejecuta los pasos de un agente autónomo.

Jalapeño se dedicará a realizar la inferencia, es decir, el proceso mediante el cual un modelo ya entrenado genera una respuesta a una pregunta

Esta especialización es importante porque la inferencia se ha convertido en uno de los principales costes de la inteligencia artificial. Cada vez que un usuario conversa con ChatGPT, solicita código a Codex o utiliza una aplicación basada en la API de OpenAI, los centros de datos deben activar enormes cantidades de capacidad de cálculo. A medida que crece el número de usuarios y las respuestas son más complejas, también aumentan el consumo eléctrico, la necesidad de memoria y la presión sobre los servidores.

Más rendimiento con menos energía

OpenAI asegura que las primeras pruebas de Jalapeño muestran una mejora simultánea en dos aspectos que normalmente compiten entre sí: el rendimiento y la latencia. El rendimiento indica cuánta actividad de IA puede procesar el sistema, mientras que la latencia mide el tiempo que debe esperar el usuario antes de recibir una respuesta.

En las pruebas divulgadas por la compañía, Jalapeño ofreció entre 1,5 y 1,9 veces más trabajo de inteligencia artificial por vatio que los sistemas utilizados como referencia. Además, redujo entre 1,7 y 3,6 veces la latencia de extremo a extremo en tres modelos públicos: GPT-OSS 120B, DeepSeek R1 670B y Kimi K2.5 1T. En cargas de trabajo especialmente interactivas, OpenAI afirma que la mejora de rendimiento llegó a situarse entre 2,1 y 4,1 veces.

La compañía también ha señalado que el chip está diseñado para funcionar con una potencia nominal de 700 vatios, aunque durante las cargas analizadas su consumo sostenido se mantuvo en 550 vatios o menos. Estas cifras proceden de las pruebas de OpenAI y deberán ser contrastadas cuando Jalapeño se despliegue a gran escala y pueda compararse bajo condiciones homogéneas con otras plataformas.

La clave técnica está en que OpenAI ha diseñado el procesador pensando en las necesidades concretas de los modelos de lenguaje actuales. Cuando una IA genera una respuesta, no solo necesita realizar operaciones matemáticas, también debe mover grandes volúmenes de datos entre el procesador, la memoria y los distintos componentes de la red. Ese movimiento puede convertirse en un cuello de botella.

Jalapeño busca reducirlo manteniendo más cerca del cálculo la información que necesita el modelo, incluido el llamado caché KV, una estructura de memoria esencial para conservar el contexto de una conversación y generar texto de forma progresiva. La arquitectura combina procesamiento, memoria y conectividad para que el sistema pierda menos tiempo esperando datos.

El desafío a Nvidia

Durante años, Nvidia ha dominado el mercado de los aceleradores utilizados para entrenar y ejecutar modelos de inteligencia artificial. Sus GPU se han convertido en el estándar de facto de la industria gracias a su potencia, a su ecosistema de software y a la enorme demanda de empresas tecnológicas, laboratorios y proveedores de servicios en la nube.

Jalapeño no significa que OpenAI vaya a abandonar las GPU de Nvidia. La propia compañía ha indicado que seguirá utilizando aceleradores de Nvidia y de otros fabricantes para sus cargas de entrenamiento e inferencia. Sin embargo, desarrollar un chip propio le permite reducir su dependencia de un único proveedor y optimizar el hardware para los modelos y productos que utiliza a diario.

La estrategia también puede presionar los precios y acelerar la competencia. Google cuenta con sus TPU, Amazon desarrolla chips como Trainium e Inferentia y Meta ha trabajado en sus propios aceleradores. Anthropic, por su parte, también ha explorado la posibilidad de diseñar hardware específico. La entrada de OpenAI confirma que el siguiente campo de batalla de la IA no está solo en los modelos, sino en toda la cadena tecnológica que los hace funcionar.

Una plataforma de varias generaciones

OpenAI pretende desplegar Jalapeño dentro de su infraestructura informática a finales de 2026, inicialmente de forma progresiva. La empresa ya trabaja en una segunda generación y ha comenzado a definir una tercera, lo que sitúa el chip como el primer paso de una estrategia de hardware a largo plazo.

El procesador forma parte de un futuro control de manera coordinada los modelos, el software, la memoria, las redes y los servidores. Según OpenAI, el diseño inicial hasta la finalización del proceso de fabricación se completó en nueve meses, con la ayuda de sus propios modelos de inteligencia artificial para explorar diseños, optimizar circuitos y acelerar las fases de verificación.

Según OpenAI, el diseño inicial hasta la finalización del proceso de fabricación se completó en nueve meses

Si las promesas se confirman en producción, las consecuencias pueden ser relevantes. Una inferencia más eficiente permitiría ofrecer respuestas más rápidas, sostener un mayor volumen de usuarios y reducir el coste de servicios como ChatGPT o las aplicaciones empresariales basadas en la API. También facilitaría el desarrollo de agentes capaces de completar tareas de varios pasos, donde cada milisegundo de espera se acumula a lo largo del proceso.

La revolución de Jalapeño, por tanto, no depende únicamente de que sea más rápido que un chip de Nvidia. Su importancia reside en que OpenAI ha decidido construir una parte esencial de la infraestructura que necesita para crecer. La compañía quiere dejar de limitarse a alquilar capacidad de cálculo y empezar a definir, junto a sus socios, cómo debe ser el hardware de la próxima generación de inteligencia artificial.