OpenAI presenta el chip Jalapeño — primer disparo contra Nvidia

OpenAI ya no es solo una empresa de modelos. El 24 de junio, se convirtió en una empresa de chips — y eso cambia la dinámica competitiva de toda la industria de la IA.

OpenAI y Broadcom presentaron Jalapeño, el primer "Procesador de Inteligencia" personalizado de OpenAI — un ASIC construido desde cero específicamente para inferencia de LLM. Las muestras de ingeniería ya están ejecutando cargas de trabajo de ML en los laboratorios de OpenAI a frecuencia y potencia de producción, incluido GPT‑5.3‑Codex‑Spark. El despliegue en centros de datos a escala de gigavatios comienza a finales de 2026. Esto no es un prototipo de investigación.

Qué pasó: Jalapeño del diseño al tape-out en nueve meses

OpenAI y Broadcom pasaron del diseño inicial al tape-out de fabricación en nueve meses — lo que las empresas describen como el ciclo de desarrollo ASIC más rápido jamás logrado en semiconductores avanzados de alto rendimiento (OpenAI, 2026). Para contextualizar, una nueva arquitectura de chip suele llevar de 18 a 24 meses.

El acelerador: los propios modelos de OpenAI asistieron partes del proceso de diseño y optimización. Los mismos modelos que se sirven a los usuarios están ayudando a mejorar la infraestructura que ejecutará los futuros modelos — un círculo virtuoso que ningún otro competidor de chips puede replicar.

Jalapeño está diseñado para una sola carga de trabajo: ejecutar inferencia de LLM a escala. No es una GPU de propósito general reutilizada para IA. No es para entrenamiento. Es un ASIC optimizado en torno a los kernels exactos, el movimiento de memoria, la conectividad y los patrones de servicio que importan para los modelos de IA frontier.

El CEO de Broadcom, Hock Tan, dijo a Reuters que el chip iguala el rendimiento de los chips Blackwell de Nvidia y las TPU de Google (Reuters, 2026; paywall). OpenAI afirma que el rendimiento por vatio es "sustancialmente mejor que el estado del arte actual". Se promete un informe técnico detallado en "los próximos meses" — lo leeremos cuando llegue.

La arquitectura reduce el movimiento de datos y equilibra cómputo, memoria y conectividad para cerrar la brecha entre el pico de rendimiento teórico y la utilización real. Traducción: menos desperdicio, más cómputo útil por dólar.

Por qué importa

OpenAI está construyendo el stack completo: modelos como GPT-4o, productos, APIs y ahora el silicio que hay debajo. Cada capa se optimiza en torno al mismo objetivo — entregar inteligencia frontier al menor costo posible.

Las implicaciones son directas.

1. La dependencia de Nvidia disminuye. OpenAI comprometió $30 mil millones con Nvidia en febrero de 2026. Jalapeño es el principio del fin de esa dependencia para cargas de inferencia. El entrenamiento sigue siendo terreno de Nvidia — por ahora. Pero la inferencia es donde está el dinero: es donde la IA llega a los usuarios, y donde cada mejora de costo se compone a través de cientos de millones de consultas diarias.

2. El círculo virtuoso de costos se acelera. Menores costos de inferencia → productos API más baratos → más adopción → más datos e ingresos → mejores modelos. Cuando controlas el chip, controlas la economía de ese bucle. Ningún competidor que funcione sobre el silicio de otro puede igualarlo.

3. Todo el mundo está construyendo silicio personalizado ahora. Microsoft tiene Maia. Meta tiene MTIA. Amazon tiene Trainium e Inferentia. Google tiene TPUs. El mercado de chips de IA se está fragmentando, y los márgenes del 70%+ de Nvidia no sobrevivirán a esto para siempre.

4. Las dinámicas de poder cambian. OpenAI se está posicionando para convertirse en el proveedor de inteligencia frontier de menor costo. Esa es una posición que nadie más puede igualar sin sus propios chips — y la mayoría no puede permitirse la inversión multimillonaria requerida.

Qué cambia para ti

Si ejecutas cargas de inferencia de IA: Vas a tener más opciones de silicio para finales de 2026. Empieza a seguir los costos de inferencia por token entre proveedores — la brecha entre los precios dependientes de GPU y los de silicio personalizado se ampliará.

Si construyes sobre GPT-4o o la API de OpenAI: Costos de inferencia más bajos deberían traducirse en precios de API más baratos con el tiempo. La inversión en chips es una señal creíble de que OpenAI pretende competir en costo, no solo en capacidad.

Si tienes acciones de Nvidia o compras hardware Nvidia: El mercado de inferencia se está diversificando más rápido de lo que la mayoría de los analistas esperaban. No asumas que los márgenes actuales de Nvidia son permanentes.

Para todos los demás: Esto es un patrón, no un caso aislado. La integración vertical — controlar modelos, software y silicio juntos — es el manual de la infraestructura de IA ahora. Los laboratorios que construyan sus propios chips fijarán el precio de la inteligencia. Todos los demás lo pagarán.

FAQ

¿Cuándo se enviará realmente Jalapeño? El despliegue en centros de datos a escala de gigavatios está previsto para finales de 2026. Las muestras de ingeniería están funcionando ahora, pero el silicio de producción aún está por delante. Mucho puede cambiar en 18 meses de fabricación de chips.

¿Esto reemplaza a Nvidia por completo? No. Jalapeño es solo para inferencia — no para entrenamiento. El pipeline de entrenamiento de OpenAI todavía depende de GPUs Nvidia, y es poco probable que eso cambie a corto plazo. Pero la inferencia representa la mayoría del gasto en cómputo a escala, así que el impacto sigue siendo significativo.

¿Quién lo construyó? OpenAI diseñó la arquitectura. Broadcom se encargó de la implementación del silicio, las redes y la conectividad. Celestica manejó la integración de placa, rack y sistema. Microsoft alojará los primeros despliegues. Esta es una construcción de coalición, no un esfuerzo en solitario.