تراشه استنتاج جدید Jalapeño از OpenAI در بنچمارک InferenceX از Blackwell شرکت Nvidia عملکرد بهتری داشت و ۱.۵ تا ۱.۹ برابر کارِ هوش مصنوعی بیشتری را در هر وات ارائه داد و تأخیر (latency) را به طور قابل توجهی کاهش داد. این نتیجه از آن جهت اهمیت دارد که می‌تواند هزینه‌های عملیاتی سرویس‌های مدل زبانی در مقیاس بزرگ را کاهش داده و سلطه Nvidia در زمینه شتاب‌دهنده‌های هوش مصنوعی را تحت فشار قرار دهد.

چرا این تراشه اهمیت دارد

OpenAI تراشه Jalapeño را در کنفرانس Hot Chips 2026 رونمایی کرد و بر همکاری با Broadcom در زمینه ساخت سیلیکون تأکید نمود. طراحان این تراشه، بزرگترین ناکارآمدی‌ها در خطوط لوله (pipelines) استنتاج فعلی را هدف قرار داده‌اند: جابجایی داده‌ها در مرحله prefill و ارتباط بین واحدهای محاسباتی. Jalapeño با محلی نگه داشتن حافظه پنهان کلید-مقدار (KV cache)، زمان صرف شده برای جابجایی تنسورها (tensors) را کاهش می‌دهد که این امر باعث افزایش سرعت تولید توکن و صرفه‌جویی در انرژی می‌شود.

ارقام برجسته

  • کارِ هوش مصنوعی در هر وات: ۱.۵ تا ۱.۹ برابر بیشتر در اوج توان عملیاتی نسبت به Blackwell.
  • تأخیر (Latency): ۱.۷ تا ۳.۶ برابر کمتر، بنابراین پاسخ‌ها برای کاربران تعاملی سریع‌تر ارسال می‌شوند.
  • عملکرد بار کاری تعاملی: ۲.۱ تا ۴.۱ برابر بیشتر، مزیتی که مستقیماً بر اپلیکیشن‌های سبک چت تأثیر می‌گذارد.

این دستاوردها در بنچمارک InferenceX مشاهده شده‌اند، جایی که Jalapeño همچنین از تراشه‌های آتی Rubin شرکت Nvidia پیشی گرفته است.

تأثیر تجاری

OpenAI از هم‌اکنون در حال استفاده از این افزایش کارایی برای کاهش قیمت‌های API مدل GPT-5.6 Sol خود است و تخفیف‌هایی بین ۲۰ تا ۳۳ درصد نسبت به نرخ‌های قبلی ارائه می‌دهد. کاهش مصرف توان، هزینه اجرای خوشه‌های عظیم استنتاج را کاهش می‌دهد؛ صرفه‌جویی‌ای که توسعه‌دهندگان و شرکت‌ها می‌توانند آن را لمس کنند.

زمان‌بندی و فشار رقابتی

Jalapeño تا پایان سال ۲۰۲۶ در حجم‌های محدود عرضه می‌شود و تولید انبوه آن برای سال ۲۰۲۷ برنامه‌ریزی شده است. تا آن زمان، Nvidia انتظار نسل‌های جدیدتر GPU را دارد که می‌تواند این شکاف را کاهش دهد. عرضه مرحله‌ای، OpenAI را مجبور می‌کند تا پیش از عرضه سیلیکون‌های جدید توسط رقبا، مزایای واقعی خود را در دنیای واقعی اثبات کند.

دیدگاه مقابل

احتمالاً تا آن زمان، Nvidia تراشه‌های جدیدتری را در بازار عرضه خواهد کرد.

آنچه باید زیر نظر داشت

  • داده‌های استقرار: بازخوردهای اولیه مشتریان در مورد تأخیر و صرفه‌جویی در توان نشان خواهد داد که آیا اعداد بنچمارک در محیط عملیاتی نیز پابرجا می‌مانند یا خیر.
  • استراتژی قیمت‌گذاری: ادامه کاهش قیمت API می‌تواند سایر ارائه‌دهندگان را به سمت سخت‌افزارهای مشابه سوق دهد یا خطر از دست دادن سهم بازار را برای آن‌ها به همراه داشته باشد.
  • نقشه راه Nvidia: هرگونه اعلام خبر از یک شتاب‌دهنده جدید با تمرکز بر استنتاج، پویایی رقابت را تغییر خواهد داد.

رویکرد تمام‌سوی (full-stack) OpenAI — یعنی ساخت هم‌زمان مدل‌ها، تراشه‌ها و حافظه — اهرمی را در اختیار آن قرار می‌دهد که شتاب‌دهنده‌های استاندارد فاقد آن هستند. اینکه آیا این اهرم به یک تغییر ماندگار در بازار تبدیل می‌شود یا خیر، به این بستگی دارد که تراشه Jalapeño با چه سرعتی از مرحله نمونه اولیه به استفاده گسترده می‌رسد و Nvidia چگونه به این چالش کارایی پاسخ می‌دهد.