OpenAI e Broadcom apresentam o Jalapeño: primeiro chip próprio da OpenAI foi projetado em 9 meses e mira 50% menos custo que GPUs Nvidia

Resumo: a OpenAI e a Broadcom apresentaram o Jalapeño, o primeiro Intelligence Processor da OpenAI, projetado do zero para inferência de LLMs. O que chama atenção não é só a arquitetura, é o cronograma: do desenho inicial ao tape-out em nove meses — o que a indústria trata como o ciclo de desenvolvimento mais rápido já visto para um ASIC de alto desempenho. A OpenAI usou seus próprios modelos para acelerar partes do design. Deployment inicial está previsto para o fim de 2026, com escala em 2027 e volume pleno no primeiro semestre de 2028.

Um ASIC feito para inferência

Jalapeño não é uma GPU genérica — é um ASIC desenhado ao redor dos padrões de execução dos modelos da OpenAI. A arquitetura foi otimizada para os kernels, movimento de memória, networking e padrões de serving que importam em inferência, não em treinamento. É um mercado diferente: treinamento consome poucas semanas por modelo, inferência roda 24/7 para bilhões de consultas. Cortar centavos ali multiplica em bilhões ao ano.

O chip é descrito como um ASIC do tamanho de retículo (reticle-sized), o maior formato viável em litografia atual — algo que só faz sentido quando cada milímetro extra rende ganho de eficiência real. A Broadcom cuida da parte física — layout, integração de memória, empacotamento; a OpenAI define arquitetura e software stack.

Nove meses do zero ao silício

O detalhe do ciclo de 9 meses merece leitura cética. Historicamente, um ASIC de fronteira leva 18 a 24 meses do RTL ao tape-out. Que a OpenAI tenha cortado isso pela metade se explica pelo uso agressivo dos próprios modelos para geração de RTL, verificação e otimização de layout — o mesmo padrão que a Anthropic e a Google já vinham experimentando internamente. É o mais claro sinal público até agora de que AI-designed silicon saiu do slide de conferência e virou realidade industrial.

Preço e performance

A OpenAI e a Broadcom afirmam que testes iniciais mostram performance por watt substancialmente melhor que o estado da arte atual. Reportagens especializadas citam a meta de ~50% menos custo por token versus GPUs Nvidia comparáveis para os workloads da própria OpenAI. Isso é consistente com o que já vimos em ASICs de inferência como o TPU do Google e o Trainium/Inferentia da AWS.

Vale lembrar: NVIDIA continua na frente em flexibilidade. Jalapeño otimiza para os padrões da OpenAI; se o modelo mudar de forma agressiva (arquitetura Mamba-3, mixture-of-experts extremos, tokens longuíssimos), um ASIC especializado pode ficar rígido em partes do stack.

Status no Brasil

Nenhuma sinalização de venda para terceiros. Jalapeño existe para reduzir a conta de inferência da própria OpenAI e sustentar preços agressivos como os do GPT-5.6 Sol/Terra/Luna. Para clientes brasileiros da API, o efeito prático é preço estável ou em queda conforme o chip entra em produção — desde que a OpenAI repasse parte dos ganhos.

Riscos e limitações

Três pontos merecem atenção. Primeiro, execução: o cronograma de ramp em 2027 e volume em 2028 é agressivo. Segundo, dependência da TSMC — como todo mundo. Terceiro, rigidez: um chip otimizado para os modelos de hoje pode deixar performance na mesa se a arquitetura de fronteira mudar de perfil em 12 meses, algo real neste ciclo.

Análise SWOT

O que muda na prática

O Jalapeño confirma o que já era leitura de mercado: as três grandes labs vão ter silício próprio de inferência antes de 2027. NVIDIA continua vendendo pra todo mundo, mas o crescimento marginal em receita de inferência para clientes hyperscaler começa a ter teto. Para o comprador de API brasileiro, o único ponto que importa é: o preço por token vai continuar caindo mais rápido do que a demanda cresce.

Fonte original: OpenAI — OpenAI and Broadcom unveil LLM-optimized inference chip.