Nueve meses de diseño con IA propia marcan récord en chip Jalapeno de OpenAI
María González · Mercados Financieros · 2026-09-09
La CFO Sarah Friar confirmó ayer que los modelos de frontera de la compañía aceleraron el desarrollo del ASIC de inferencia co-creado con Broadcom. El ciclo más rápido reportado en semiconductores de alto desempeño cierra el loop: la IA diseña el silicio que la ejecutará.
OpenAI utilizó sus propios modelos de <abbr title="Inteligencia artificial">IA</abbr> de frontera para diseñar el chip Jalapeno, el <abbr title="Application-Specific Integrated Circuit, circuito integrado de aplicación específica">ASIC</abbr> de inferencia que co-desarrolla con Broadcom. La confirmación llegó ayer martes en la conferencia Communacopia de Goldman Sachs en San Francisco, de boca de la CFO Sarah Friar. El ciclo diseño-a-tape-out duró nueve meses, el período más rápido jamás reportado para hardware de alto desempeño según las compañías. Es la primera vez que un laboratorio líder en IA confirma que usa su propia inteligencia para arquitectar el silicio que la ejecutará.
El anuncio cierra un loop recursivo: la IA acelera el diseño del hardware que luego usará para inferencia. Broadcom cotiza hoy en 368,56 dólares (+2,98%) mientras el mercado digiere que uno de sus mayores clientes de compute pasa de consumidor a co-diseñador.
Ramp completo recién en 2028
El chip Jalapeno se anunció inicialmente el 24 de junio de 2026, pero la revelación del martes añade contexto técnico: OpenAI no solo co-diseñó con Broadcom, sino que aceleró etapas de optimización usando sus propios modelos de lenguaje. Hock Tan, CEO de Broadcom, precisó que aunque se esperan prototipos pequeños a fines de este año, el ramp a escala completa no está planeado hasta la primera mitad de 2028. Eso significa que el chip no moverá márgenes de OpenAI en 2026 ni en 2027.
Mientras tanto, OpenAI sigue comprando GPUs de Nvidia para entrenamiento de modelos. El Jalapeno apunta a inferencia —el proceso de ejecutar modelos ya entrenados en producción—, no a training. La desintermediación no es inmediata, pero el mensaje estratégico es claro: control directo sobre desempeño, costo y eficiencia de la infraestructura detrás de ChatGPT y la API.
Benchmarks internos sin validación independiente
OpenAI y Broadcom publicaron cifras de desempeño, aunque aún no validadas por terceros. Según sus pruebas internas, Jalapeno produce entre 1,5 y 1,9 veces más trabajo de IA por vatio que los sistemas de comparación usados. La latencia end-to-end se redujo entre 1,7 y 3,6 veces, mientras que en workloads altamente interactivos el desempeño alcanzó hasta 4,1 veces el de referencia.
- Eficiencia energética: 1,5–1,9× más trabajo de IA por vatio.
- Latencia: 1,7–3,6× menor en pruebas end-to-end.
- Workloads interactivos: hasta 4,1× más rápido que sistemas de comparación.
- Validación pendiente: todas las cifras provienen de benchmarks internos; no hay confirmación de terceros independientes.
Las compañías no divulgaron objetivos de desempeño ni especificaron contra qué hardware exacto compararon. La validación independiente será necesaria antes de que otros diseñadores de chips o hyperscalers adopten el enfoque.
Competencia por costos de deploy y presión pre-IPO
Durante la conferencia, Friar también comparó costos de despliegue en cloud: al enfrentar el modelo Luna de OpenAI contra GLM 5.3 de Z.ai, afirmó que OpenAI resulta «más barato». No dio cifras exactas, pero el comentario se enmarca en una batalla por pricing con modelos open-weight chinos y rivales como Anthropic. DeepSeek, que prepara IPO en Shanghai con márgenes API del 82,9% pero opera en rojo, representa el tipo de competidor que obliga a OpenAI a demostrar ventajas estructurales más allá del modelo.
Con una valuación post-money de 852.000 millones de dólares y respaldo reciente de Goldman Sachs y Morgan Stanley, OpenAI está bajo presión de mostrar que puede defender márgenes en un mercado donde los modelos open-source bajan la barrera de entrada cada trimestre. El chip propio es parte de esa narrativa: menos dependencia de terceros, más control sobre el stack completo.
Desde la óptica de momentum, el anuncio del martes refuerza la idea de que OpenAI no compite solo en calidad de modelo, sino en economía de infraestructura. Si el ramp de Jalapeno se cumple en H1 2028 y las cifras de eficiencia se sostienen en producción, el diferencial de costo por token de inferencia podría ensancharse frente a competidores que alquilan compute estándar. Ese margen operativo será clave para justificar la valuación cuando llegue el momento de salir a bolsa.
El timing no es casual. Amazon acaba de debutar en libras esterlinas para financiar su capex de IA, y otros hiperescaladores ajustan estructura de capital para sostener el ritmo de inversión en compute. OpenAI apuesta a que diseñar su propio silicio —y hacerlo en nueve meses usando IA— le da una ventaja que justifica el esfuerzo y la espera hasta 2028.