Халапењо: Први AI чип компаније OpenAI побеђује Nvidia у ефикасности – Када купац изненада постане конкурент

Xpert прелиминарно издање

Available in 27 languages 📢

Објављено: 29. августа 2026. / Ажурирано: 29. августа 2026. – Аутор: Konrad Wolfenstein

Халапењо: Први AI чип компаније OpenAI побеђује Nvidia у ефикасности – Када купац изненада постане конкурент – Слика: Xpert.Digital

22 пута ефикаснији: Први интерни АИ чип компаније OpenAI значајно побеђује Nvidia

Уштедите енергију, удвостручите перформансе: Шта нови АИ чип компаније OpenAI значи за индустрију

Вештачка интелигенција гради вештачке чипове: „Халапењо“ компаније OpenAI надмашује конкуренцију у рекордном року

Чип који потпуно премешта карте на тржишту вештачке интелигенције вредном више милијарди долара: Са „Халапењом“, OpenAI је развио свој први интерни акцелератор вештачке интелигенције у рекордном року – и изазива нико други до свог најважнијег хардверског партнера до сада, Nvidia. Први независни тестови показују да се нови чип може похвалити импресивном енергетском ефикасношћу, значајно надмашујући тренутну Nvidia Blackwell генерацију у одређеним областима. Прави генијални потез иза овог развоја: OpenAI је користио сопствене напредне вештачке моделе како би драматично убрзао дизајн чипа. Шта овај стратешки потез значи за већ напрегнуто напајање дата центара, оперативне трошкове ChatGPT-а и Nvidia тржишну моћ? Детаљна анализа открива зашто је OpenAI-јев хардверски деби много више од пуког технолошког ажурирања – могао би фундаментално да промени модел прихода целе индустрије.

Од купца до конкурента: OpenAI напада Nvidia својим чудотворним чипом

За мање од годину и по дана, OpenAI је развио сопствени AI чип, који, у почетним независним тестовима, показује знатно већу ефикасност од тренутног референтног хардвера компаније Nvidia. Ово је изванредно јер је OpenAI раније био један од највећих појединачних купаца компаније Nvidia, а сада улази у сегмент којим је готово искључиво доминирао један произвођач. Након што је компанија представила свој први сопствени AI акцелератор, под кодним називом Jalapeño, у јуну 2026. године, сада су доступни поуздани подаци о перформансама, које је прикупила независна аналитичка фирма SemiAnalysis. Ови подаци показују да је OpenAI, делимично захваљујући активној подршци специјалисте за полупроводнике Broadcom, развио високо-перформансни AI чип од нуле који значајно надмашује тренутну Blackwell генерацију компаније Nvidia у одређеним метрикама, а такође изгледа да је добро позициониран у односу на предстојећу Rubin платформу.

Економске импликације овог развоја тешко да се могу преценити, јер се дотиче једног од централних проблема трошкова целе индустрије вештачке интелигенције: огромне разлике између потрошње на рачунарску инфраструктуру и прихода који се могу генерисати од услуга вештачке интелигенције. OpenAI наводно троши приближно 3,7 милијарди долара по кварталу, при чему трошкови инференције – трошкови континуираног примењивања претходно обучених модела у свакодневном пословању – представљају највећи појединачни трошак. Чип који значајно смањује ове трошкове не само да мења техничку метрику већ и цео модел прихода компаније која управља ChatGPT-ом са преко 400 милиона активних корисника.

Независна испитна лабораторија без слободног рада

Тестови су спроведени коришћењем сопственог тестног окружења компаније SemiAnalysis, InferenceX. Међутим, самим аналитичарима није било дозвољено да изврше тестове, нити су тестирани сви сценарији, нити је коришћено информативније тестно окружење, AgentX, према SemiAnalysis-у. Ово ограничење је економски значајно јер значи да, иако доступни подаци потичу од реномиране компаније специјализоване за анализу чипова, прикупљени су у оквиру који контролише OpenAI. Свако ко жели да донесе исправне инвестиционе одлуке на основу таквих података требало би да узме у обзир овај контекст, чак и ако општи смер резултата делује вероватно.

InferenceX користи OpenWeights моделе GPT-OSS, DeepSeek R1 и Kimi K2.5, што сугерише да Jalapeño није само дизајниран за OpenAI-јеве сопствене моделе, већ је погодан и као општа платформа за закључивање за друге архитектуре. Као анегдотски доказ флексибилности хардвера, SemiAnalysis наводи демонстрацију програмера да је игра Doom, портована са OpenAI-јевог сопственог програмског асистента Codex, чак и радила на овом чипу. Иако такве демонстрације имају мало економске суштине, оне указују на то да архитектура није ограничена на уски прозор примене, већ може да се носи са општијим рачунарским задацима.

Повећање ефикасности које се претвара у готовину

Резултати потврђују посебно високу ефикасност чипа Jalapeño. У неким сценаријима, чип OpenAI-ја постиже 22 пута већу стопу токена по вату у поређењу са Nvidia B300, што је изузетан резултат за први власнички чип компаније без деценија искуства у производњи полупроводника. Jalapeño такође може да се такмичи са новим системом Vera Rubin, који се тренутно имплементира великим купцима, иако тренутно има мало поузданих података за ово поређење и коначна процена је још увек у току.

Међутим, SemiAnalysis указује на методолошка ограничења која значај бројки стављају у перспективу. Тестиране су само релативно мале величине упита са 8.192 улазна и 1.024 излазна токена, док би већи упити, као што је уобичајено у многим апликацијама производних агената, могли значајно да промене резултате. Поред тога, тестирана верзија је радила на раном А0 степингу, док је оптимизовани Б0 степинг тренутно у продукцији, за који OpenAI тврди да ће бити око 25 процената ефикаснији. Економски, то значи да већ импресивне бројке вероватно представљају доњу, а не горњу границу стварног потенцијала, под претпоставком да се потврде најаве у вези са Б0 степингом.

Права предност не лежи у чипу, већ у електричној мрежи

ОпенАИ-јев чип би чак могао бити исплативији од Вера-Рубина, јер је Нвидијин систем имао користи од спекулативног декодирања у тестовима, технике за убрзавање генерисања текста, док је Халапењо морао да се снађе без ове оптимизације. Генерално, интерна хардверска инференција требало би да учини ОпенАИ знатно јефтинијим, јер компанија више не мора да плаћа трговинске марже спољном добављачу, а архитектура се може прецизно прилагодити сопственим обрасцима сервирања.

Права стратешка предност, међутим, не лежи првенствено у чистој уштеди трошкова по чипу, већ у енергетској ефикасности. Због повећане ефикасности, знатно више чипова може да ради са истом улазном снагом, што представља праву конкурентску предност у индустрији где је доступност електричне енергије и капацитет мрежне конекције постао ограничавајући фактор раста. Сам OpenAI је већ потписао уговоре за више од десет гигавата рачунарских капацитета у САД, циљ првобитно постављен за 2029. годину, а сада је остварен годинама раније. У окружењу где нови капацитети електрана и мрежне конекције често представљају право уско грло за проширење дата центара, сваки ват који се ефикасније користи директно се преводи у додатну расположиву рачунарску снагу, без потребе за изградњом додатних електрана.

Темпо развоја који представља изазов за индустрију чипова

Време развоја пројекта је посебно вредно пажње. Према OpenAI-у, прошло је само 16 месеци између формирања развојног тима и „tape out“-а чипа – односно завршетка дизајна за одобрење производње – при чему је први комплетан дизајн наводно завршен девет месеци пре „tape out“-а. У традиционалној индустрији полупроводника, развојни циклуси од три до пет година сматрају се стандардним за упоредиво сложене чипове, тако да би такав темпо, уколико се потврди у будућим генерацијама, могао да изврши притисак на устаљену структуру трошкова целе индустрије.

Према компанији OpenAI, ово је омогућено интензивном употребом сопствених вештачких интелигенцијских система у самом процесу дизајнирања. Ово је омогућило бржу процену дизајнерских одлука и истовремено помогло у оптимизацији рачунарских јединица, значајно скраћујући традиционалне итеративне петље у дизајну чипова. Ово ствара ефекат самопојачавања: што су модели вештачке интелигенције компаније моћнији, брже и исплативије се могу развити нове генерације чипова, које затим још ефикасније извршавају ове моделе. Такав механизам повратних информација, под условом да се покаже репродуцибилним, могао би постати структурна предност за компаније које поседују и водеће моделе вештачке интелигенције и сопствене могућности развоја чипова.

Када ваша сопствена вештачка интелигенција постане алат инжењера

Астра, следећа планирана верзија GPT-а, већ је коришћена у OpenAI-у за развој оптимизованих рачунарских језгара, или кернела, за нове моделе. Према извештајима, код који је развила Астра у GPT-OSS-у био је 50 до 80 процената бржи од упоредивих програма које су развили људски стручни тимови. Ово откриће има далекосежније економске импликације него што се у почетку чини, јер сугерише да се уско грло оптимизације софтвера, које је до сада у великој мери зависило од доступности високо специјализованих инжењера, све више може решити аутоматизованим системима.

За индустрију полупроводника у целини, ово значи потенцијално преусмеравање конкурентских фактора. До сада су деценије искуства, дубинско инжењерско знање и успостављени софтверски екосистем попут Нвидијиног CUDA сматрани готово непремостивим препрекама за улазак нових добављача. Ако алати засновани на вештачкој интелигенцији могу делимично да надокнаде ову предност искуства, праг уласка за даље конкуренте ће се смањити, што би дугорочно могло довести до фрагментације тренутно високо концентрисаног тржишта за акцелераторе вештачке интелигенције.

🎯🎯🎯 B2B индустријски центар вођен подацима као квази-интерно решење

Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем - Слика: Xpert.Digital

Xpert.Digital је B2B индустријски центар вођен подацима, којим руководи Konrad Wolfenstein . Компанија делује као екстерно, квази-интерно решење за индустријске партнере, попуњавајући оперативне празнине у маркетингу, садржају и продаји – без потребе за додатним ресурсима на страни клијента.

Више информација овде:

Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем

OpenAI-јев чип Jalapeno: Зашто је архитектура важнија од сирове рачунарске снаге

Архитектура као трошковно обрачунавање у силицијуму

OpenAI је донео неке занимљиве и економски исправне дизајнерске одлуке са Jalapeño чипом. На пример, матрични системи чипа не подржавају прорачуне користећи 16-битни FP16 формат са покретним зарезом, што значајно поједностављује унутрашњу логику и усклађује се са трендом индустрије ка квантизованијим моделима, односно онима са нижом нумеричком прецизношћу. 64-битни и 32-битни типови података подржани су само додатним скаларним и векторским јединицама, при чему су ове друге такође ограничене на 32-битна прорачуна. Свака површина транзистора уштеђена изостављањем ретко коришћених формата прорачуна може се уместо тога уложити у већи пропусни опсег меморије или више процесорских језгара за формате који су заиста потребни, чиме се повећава исплативост по произведеном чипу.

Што се тиче чисте рачунарске снаге FP8 и FP4 – бројевних формата посебно релевантних за модерне, квантизоване језичке моделе – чип OpenAI-ја, са 3,4 и 13,4 петаФЛОПС-а респективно, формално заостаје за Nvidia Blackwell-ом са 5 и 15 петаФЛОПС-а. Међутим, ова наизглед неповољна бројка је ублажена стварном искоришћеношћу система, јер чипови ретко достижу своје теоријске вршне перформансе у пракси. Према речима посматрача из индустрије, тренутни акцелератори често раде са само 30 до 50 процената своје теоријске ефикасности под реалним инферентним оптерећењима. Стога, чип који се приближи сопственим вршним перформансама може остати конкурентан или их чак и надмашити у пракси, упркос томе што његове сирове перформансе изгледају ниже на папиру.

Пропусни опсег меморије уместо сирове рачунарске снаге као стратешки избор

Чип је опремљен са шест HBM4 меморијских стекова, што му даје скоро двоструко већи пропусни опсег меморије од Blackwell-а, са 15,4 TB у секунди у поређењу са 8 TB у секунди. Ова одлука одражава намерно одређивање приоритета, јер приликом извођења великих језичких модела, ограничавајући фактор често није чиста рачунарска снага, већ брзина којом се тежинске вредности модела и међурезултати могу премештати између меморије и аритметичко-логичке јединице (ALU). Чип који се посебно бави овим такозваним уским грлом пропусног опсега меморије може ефикасније да ради у реалним сценаријима примене од конкурента са већом номиналном рачунарском снагом, али упоредно оштријим приступом меморији.

Захваљујући осам меморијских стекова, Blackwell и предстојећа Rubin генерација нуде већи укупни капацитет меморије од 288 GB, док Jalapeño има на располагању само 216 GB. За веома велике моделе са одговарајуће великим контекстним прозорима, овај нижи капацитет би могао постати ограничавајући фактор, посебно ако будуће генерације модела буду још веће и меморијски захтевније. TDP чипа, или максимална термална пројектована снага, је 700 вати, иако OpenAI наводи да чипу у стварном раду треба у просеку само око 550 вати. Ово је економски релевантнија метрика за свакодневно пословање дата центра него теоретска вршна вредност.

Латенција наспрам флексибилности: свесно компромисно решење

Хијерархија меморије чипа је занимљива. OpenAI дели чип на бројне рачунарске групе, или кришке, свака са фиксном алокацијом HBM меморије. Ова чврста, фиксна веза између процесорског језгра и локалне меморије значајно смањује латенцију приступа јер свака рачунарска група има директан приступ са ниском латенцијом сопственој меморијској партицији, уместо да мора да пролази кроз вишеслојни, дељени меморијски систем као у традиционалним GPU архитектурама. Цена за ову предност у брзини је смањена флексибилност у алокацији меморије, јер се капацитет не може произвољно прерасподелити између рачунарских група када партиција достигне своје границе.

Групе су повезане преко два одвојена мрежна слоја: специјализоване, посебно нисколатенционе колективне мреже за често понављајуће, јасно дефинисане комуникационе обрасце као што је синхронизација током паралелне обраде, и општије мреже на чипу за осталу комуникацију и приступ мрежи вишег нивоа између више чипова. Ова архитектонска подела омогућава да се већина интерног саобраћаја података обрађује путем брже, наменске путање, док општа мрежа остаје резервисана само за ређе, мање временски критичне приступе. Са економске перспективе, ово је класичан компромис између специјализације и опште намене, типичан за наменски направљене инферентне чипове и фундаментално другачији од општије архитектуре класичних графичких процесора.

Систолни низ као наслеђе ТПУ филозофије

Као и многи други наменски акцелератори вештачке интелигенције, Халапењо се ослања на систолни низ, где се међурезултати преносе директно између суседних процесорских јединица уместо да стално осцилују између меморије и аритметичко-логичке јединице. Овај концепт није ни на који начин нов, већ прати архитектонску филозофију која је годинама успешно тестирана у пракси, посебно помоћу Гуглових тензорских процесорских јединица, где је већ постигао упоредиве добитке ефикасности у специјализованим радним оптерећењима вештачке интелигенције.

За разлику од традиционалних, веома великих систолних дизајна низова, Халапењо, према СемиАналисису, такође подржава мање димензије матрица, чиме се избегава типичан пад перформанси који се јавља када величине серија или димензије матрица не одговарају тачно фиксној величини низа. Поред тога, чип има наменска 64-битна скаларна језгра, као и векторске јединице које подржавају FP32 и INT32 и користи приступ извршавања ван редоследа са класичном L1 кеш меморијом на сваком процесорском језгру, уместо да се ослања на софтверски контролисану меморију „scratchpad“ као многи други акцелератори. Ова комбинација специјализоване јединице матрице и флексибилније скаларне и векторске логике сугерише да је ОпенАИ намерно тражио средњи пут између чисте специјализације и опште програмабилности.

Зашто нижи трошкови не допиру одмах до купаца

Из перспективе пословних купаца и програмера, непосредно питање је да ли ће обећана повећања ефикасности довести и до нижих цена API-ја. Према речима неколико индустријских аналитичара, ово је прилично мало вероватно у кратком року, јер OpenAI тренутно функционише првенствено са ограничењима капацитета, а не са ограничењима трошкова. То значи да ће се нижи трошкови по јединици у почетку претворити у већу доступну количину, а не у ниже цене. Историјски примери, као што је увођење сопствених TPU-ова од стране компаније Google или Амазонових Trainium чипова, показују да цене за крајње купце обично падају тек 12 до 24 месеца након широко распрострањеног увођења новог власничког хардвера, обично изазваног повећаним конкурентским притиском конкурентских добављача.

Поред тога, OpenAI прво мора да надокнади своја значајна почетна улагања у дизајн, производњу и инфраструктуру кроз приходе од инференције током неколико квартала пре него што се уштеде трошкова заправо претворе у веће марже. До тада, чип ће вероватно првенствено помоћи у ублажавању постојећих уских грла капацитета, као што је смањење дугог времена чекања или ограничења брзине у API приступу, уместо да доведе до тренутног смањења цена. Ипак, за компаније које креирају средњорочне буџетске планове за коришћење AI услуга, чини се разумним да се урачуна постепено смањење трошкова од потенцијално 30 до 50 процената током периода од две до три године као реалан сценарио планирања.

Такмичење за тржишну моћ, не само за вате

Дубљи стратешки разлог иза овог развоја лежи у борби за независност од једног, тржишно доминантног добављача. Годинама је Nvidia контролисала велику већину тржишта хардвера за обуку и инференцију вештачке интелигенције, чиме је остваривала значајне бруто марже које су на крају морали да сносе купци. Ако OpenAI, слично као Google, Amazon и Microsoft са својим програмима чипова, пребаци значајан део свог инференцијског оптерећења на сопствени хардвер, Nvidia-ина преговарачка моћ са својим највећим купцима ће се смањити, чак и ако Nvidia остане примарни партнер за обуку нових модела.

У овом контексту је вредно напоменути да Nvidia истовремено обезбеђује огромна финансијска улагања за проширење дата центра OpenAI-ја, на пример, кроз вишемилијардарски кредит за нови дата центар у Охају, док OpenAI истовремено ради на сопственој, потенцијално конкурентској чип платформи. Ова наизглед контрадикторна ситуација може се економски тумачити као рационално понашање обе стране: Nvidia обезбеђује дугорочне обавезе куповине и капиталне обавезе од свог највећег појединачног купца, док OpenAI истовремено развија стратешку независност за растући део свог инферентног радног оптерећења, а да притом потпуно не оптерећује свој однос са својим најважнијим партнером за обуку.

Од најаве до масовне производње

Почетне испоруке малих размера Халапењо папричице планиране су за крај 2026. године, док се очекује велика производња и велико имплементирање током 2027. године. До тада, Nvidia, посебно кроз континуирано коришћење својих Vera Rubin система, остаће централна компонента OpenAI инфраструктуре, што значи да потпуно напуштање Nvidia хардвера није у плану. Уместо тога, појављује се хибридни модел у којем се различите генерације хардвера и произвођачи користе паралелно за различите профиле радног оптерећења.

На дуге стазе, прави значај Халапења вероватно лежи мање у специфичним бројкама ефикасности прве генерације, а више у демонстрираном темпу развоја и повезаној способности да искористи алате засноване на вештачкој интелигенцији за сопствени развој хардвера. Уколико се овај самопојачавајући циклус моћнијих модела и бржих циклуса развоја чипова покаже поновљивим, то не само да би променило конкурентску позицију OpenAI-ја у односу на Nvidia-у, већ би и фундаментално померило временски оквир у којем се могу развијати нове генерације полупроводника за вештачку интелигенцију.

📈🚀 Од видљивости до поверења 👀🤝 Ваш скалабилни пут са Xpert.Digital

Од видљивости до поверења: Ваш скалабилни пут са Xpert.Digital - Слика: Xpert.Digital

У индустријском B2B пословању, одрживи пословни односи ретко настају преко ноћи. Они се развијају корак по корак – кроз видљивост, професионалну релевантност, сталне тачке контакта и растуће поверење. Xpert.Digital-ов четворостепени модел се бави управо овим: нуди структурирани пут који почиње са управљивом улазном тачком и може се развити у дубљу сарадњу у развоју пословања ако је потребно.

Уместо ослањања на гласна маркетиншка обећања, овај модел ставља однос у први план. Компаније почињу са јасно дефинисаним, лако израчунатим мерама, а затим одлучују, на основу сопственог искуства, колико желе да прошире сарадњу. Кључни фактор за овај несметан процес изградње поверења: Платформа потпуно избегава досадне рекламне огласе, тако да уреднички фокус остаје искључиво на стручности компанија.

Више информација овде: