OpenAI Construyó su Primer Chip de IA Usando su Propia IA, y lo Hizo en Menos de 20 Meses

Puntos clave

• OpenAI presentó Jalapeño, su primer chip acelerador de IA personalizado (un procesador especializado diseñado para ejecutar modelos de IA rápida y económicamente), el 25 de agosto.
• Jalapeño ofrece hasta 13.4 petaflops de computación de 4 bits y se conecta a 232 gigabytes de memoria de alta gama a 15.4 terabytes por segundo.
• Los benchmarks de OpenAI muestran que Jalapeño puede reducir el tiempo de respuesta de extremo a extremo hasta 3.6 veces en comparación con el chip GB300 de Nvidia, mientras usa menos energía.
• El chip pasó de la primera concepto de diseño al silicio terminado listo para fabricación en menos de 20 meses, con un equipo que promedió menos de 100 personas.
• Los propios modelos de IA de OpenAI, incluidas versiones tempranas de tecnología relacionada con GPT-6 Astra, ayudaron a escribir y verificar gran parte del código de diseño del chip.

El diseño de chips es una de las disciplinas de ingeniería más costosa, lenta y propensa a fallos en la tierra. Normalmente toma años y ejércitos de especialistas. OpenAI acaba de hacerlo en menos de 20 meses con un equipo que cabe en una sala de conferencias grande.

El chip se llama Jalapeño, y OpenAI le dio una revelación pública completa el 25 de agosto. Los números principales son sólidos: 13.4 petaflops de potencia de procesamiento (es decir, 13.4 mil billones de cálculos de punto flotante por segundo), acceso a 232 gigabytes de memoria de vanguardia, y una reducción reclamada de 3.6 veces en la demora entre enviar una solicitud y recibir una respuesta terminada, todo en comparación con los chips Nvidia GB300 que OpenAI actualmente alquila de centros de datos. Jalapeño también consume menos energía para hacerlo.

Si esas cifras de referencia se mantienen una vez que Jalapeño se ejecuta a escala en la infraestructura del mundo real de OpenAI es una pregunta justa. Pero la velocidad de fabricación es la parte que los expertos encuentran más difícil de descartar.

¿Cómo un equipo de menos de 100 personas se movió tan rápido?

Utilizaron sus propios modelos de IA de OpenAI para acelerar casi todas las etapas del proceso de diseño. El equipo promedió menos de 100 personas en todo el proyecto, una fracción de la cantidad de personal que requiere un programa de chip típico.

Richard Ho, vicepresidente de hardware de OpenAI, lo expresó claramente: "Los modelos están dando superpoderes a nuestros ingenieros. Nuestros ingenieros siguen dirigiendo el trabajo, siguen siendo los árbitros finales de lo que está sucediendo. Pero pueden hacer las cosas mucho más rápido, pueden explorar muchos más caminos".

El flujo de trabajo de front-end, es decir, la parte del diseño de chips que convierte una idea en una descripción formal de cómo debe funcionar la lógica del chip, se construyó alrededor de una herramienta de código abierto originada por Google llamada XLS (Síntesis de Hardware Acelerada). XLS permite a los ingenieros escribir en lenguajes de programación familiares en lugar de código especializado de hardware. Los modelos de IA de OpenAI resultaron ser muy buenos trabajando con XLS porque la herramienta lee y escribe de manera similar al código de software ordinario, que es exactamente el tipo de texto en el que fueron entrenados esos modelos.

El socio de diseño de chips de OpenAI Broadcom, la empresa semiconductora establecida, manejó el "back end": tomar el diseño lógico de OpenAI y convertirlo en un chip físico que realmente pueda ser fabricado. David Chin, cofundador de la startup de diseño de chips Verkor.io, le dijo a IEEE Spectrum que la participación de Broadcom fue esencial. "Si alguien más comienza desde cero, no será posible", dijo.

¿Qué hace realmente la IA dentro de un proyecto de diseño de chips?

La escritura de código asistida por IA es la contribución clave. Cuando los primeros chips físicos regresaron de la fundición en mayo, OpenAI apuntó sus modelos de IA a escribir software de optimización para el chip. En una prueba de referencia estándar, el rendimiento saltó de 0.31 por ciento del techo teórico del chip a 88.94 por ciento en aproximadamente 40 horas.

El equipo también tuvo acceso a modelos que eran versiones tempranas de GPT-6 Astra (el próximo modelo principal de OpenAI, lanzado públicamente el 3 de septiembre de 2026). Esos modelos más nuevos podrían trabajar directamente en Verilog, el lenguaje de bajo nivel utilizado para describir hardware, sin necesidad del paso de traducción de XLS. Es un cambio significativo: significa que la IA se está acercando a operar herramientas profesionales de diseño de chips por su cuenta.

Ho confirmó que el equipo también utilizó modelos de IA internos afinados específicamente para el diseño de chips que no están disponibles para el público.

Andrew Kahng, profesor distinguido en UC San Diego que estudia la automatización del diseño de chips, llamó al ritmo de OpenAI "probablemente la mejor clase de su tipo hoy" pero señaló que el cronograma pronto podría parecer lento a medida que mejoren los modelos de IA.

Esa es la parte que vale la pena observar. OpenAI dice que las lecciones de Jalapeño se retroalimentarán en sus modelos de IA comerciales. "Es seguro decir que Astra y los modelos siguientes serán muy buenos en diseño de chips", dijo Ho. El chip construye el modelo; el modelo construye el próximo chip. Ese ciclo solo se está volviendo más cerrado.