OpenAIが、推論処理に特化した独自チップを初めて世に出した。

2026年6月24日、OpenAIとBroadcomは共同開発した「Jalapeño」を発表した。OpenAIが名付けた初のIntelligence Processor（知能プロセッサ）で、ChatGPTやCodex、APIなど、ユーザーへの応答を担う推論（inference）向けに一から設計された。学習（トレーニング）用ではなく、日々の利用で消費される計算を効率化するのが狙いだ。

この記事でわかること

  • Jalapeñoの設計思想と技術的な特徴
  • Broadcom・Celesticaとの役割分担
  • ユーザーへの影響とNvidia GPUとの関係
  • 2026年以降の展開スケジュール

https://openai.com/index/openai-broadcom-jalapeno-inference-chip/

推論専用チップが変えるもの

LLMの推論とは、学習済みモデルに質問を投げ、回答やコードを返す処理のことだ。ChatGPTの応答、Codexのコーディング支援、API経由の呼び出しは、すべて推論に該当する。利用者が増えるほど推論コストは膨らみ、応答速度や料金、ピーク時の安定性に直結する。

汎用GPUを流用する従来のやり方では、計算・メモリ・ネットワークのどこかにボトルネックが残りやすい。OpenAIはJalapeñoを「汎用アクセラレータの転用」ではなく、現代のLLM推論向けの白紙設計と位置づけている。カーネル、メモリ移動、ネットワーク、サーブ（配信）パターンを最適化し、データ移動を減らして理論ピークに近い利用率を目指す構成だ。

9か月で設計から量産準備まで

Jalapeñoは、設計開始から製造向けテープアウトまで約9か月で完了した。OpenAIは高性能半導体のASIC開発としては業界最速クラスだと述べている。2025年10月にBroadcomとの提携が公表されてから、わずか数か月でエンジニアリングサンプルが届いた計算になる。

開発の速さには、OpenAI自身のモデルが設計・最適化の一部を担った点が挙げられる。ユーザー向けに提供しているモデルが、次世代インフラの設計を後押しする構図だ。ハードウェア責任者のRichard Ho氏は、フロンティアモデルに重要なワークロードをハードウェアの理論限界に近い効率で実行できると説明している。

現時点では、ラボ内のエンジニアリングサンプルが量産目標の周波数・電力でMLワークロードを実行している。GPT-5.3-Codex-Sparkもその対象に含まれる。性能の最終測定は継続中で、ワットあたりの性能は現行の最先端を大きく上回る見込みとされる。ただし具体的なベンチマーク数値は未公開で、詳細な技術レポートは今後数か月以内に出る予定だ。

3社の役割とデータセンター展開

チップ設計の主導はOpenAIが担う。Broadcomはシリコン実装とネットワーク技術、Tomahawkネットワークシリコンを提供し、量産規模への橋渡しをする。カナダのCelesticaは基板・ラック・システム統合を担当する。チップもサーバーもOpenAI専用で、外部への販売は想定されていない。

展開は2026年末に初期導入、以降も拡大する複数世代のコンピュート基盤の第一歩だ。BroadcomのHock Tan CEOは、Microsoftほかパートナーとともに2026年からギガワット規模のデータセンターへ展開すると述べた。ギガワット規模とは、都市単位の電力消費に相当する計算規模を指す。

共同創業者のGreg Brockman氏は、Jalapeñoをフルスタックのインフラ戦略の一環と位置づけた。モデル、プロダクト、そしてチップまで自社で設計することで、計算をより豊かにし、AIを高速・安定・低コストにする、という方針だ。

Nvidia依存からの一歩

OpenAIは長年Nvidia GPUの大口顧客として知られる。Jalapeñoは推論コストの削減と供給の多様化を狙った動きで、GoogleのTPUやAmazonのTrainium/Inferentiaと同じく、自社ワークロードに合わせたカスタムチップの流れに沿う。

ただし対象は推論に限られる。モデルの事前学習など計算負荷の大きい工程は、引き続きNvidia製GPUが中心になる見込みが高い。Reutersの報道でも、学習はNvidiaに依存し続けるとの見方が示されている。JalapeñoはNvidiaからの完全な切り離しではなく、推論という利用頻度の高い領域での効率化とコスト管理が主眼だ。

ユーザーに届く変化

OpenAIは、推論の改善がChatGPTの応答速度、Codexの待ち時間、APIの構築コスト、需要ピーク時の安定性にそのまま反映されると説明している。ワットあたりの効率が上がれば、同じ電力でより多くのリクエストを処理でき、利用者側の体感速度や事業者のAPI単価に波及しうる。

現段階では一般ユーザーがチップ名を意識する必要はない。2026年末以降の本格展開で効果が現れるかどうかは、未公開の性能データと実運用の規模次第だ。一方で、AI企業がハードウェアまで自前設計する動きは業界全体のコスト構造に影響し、推論特化チップへの投資が加速するシグナルにもなる。