Hvorfor OpenAIs nye chip ikke erstatter Nvidia

Tallene Nvidia skal svare på

OpenAI præsenterede denne uge sin første selvudviklede AI-chip med kodenavnet Jalapeno, og de tilhørende benchmarktal er den egentlige nyhed. Med den offentlige InferenceX-benchmark, delvist uafhængigt verificeret af analysefirmaet SemiAnalysis, leverede Jalapeno 1,5 til 1,9 gange mere AI-arbejde per watt ved spidsbelastning end Nvidias nuværende Blackwell Ultra-systemer (GB300), og gav en 1,7 til 3,6 gange lavere ende-til-ende-latens i tests med modellerne DeepSeek R1, Kimi K2.5 og GPT-OSS.

Ifølge OpenAI tog chippen omkring 16 måneder fra designstart midt i 2024 til den endelige fremstilling i november 2025, hvor ældre OpenAI-modeller hjalp med selve chipdesignet, mens nyere modeller fremskyndede programmeringsarbejdet.

Sammenligningen selv ophavsmanden kalder uretfærdig

Det, der adskiller denne lancering fra en almindelig benchmarkkrig, er, at både OpenAI og de analytikere, der verificerede resultaterne, siger, at overskriftssammenligningen med Blackwell ikke tegner det fulde billede. Jalapeno kører på HBM4-hukommelse med 15,4 terabyte per sekund i båndbredde, en nyere hukommelsesgeneration end den, Nvidias nuværende Blackwell-serie bruger. SemiAnalysis bemærkede, at den mere retfærdige rival er Nvidias Vera Rubin, som også bruger HBM4 og allerede i dag leverer 17,5 PFLOPs ved 900 til 1.150 watt til kunder, mens Jalapeno forbliver en ingeniørprøve uden leveringsdato.

Sammenlignet med Rubin lander de to chips på en sammenlignelig pris per token, men metoden er ikke identisk. Jalapenos tal afspejler enkelt-token-forudsigelse, mens Rubins tests brugte spekulativ dekodning, en teknik der ændrer gennemstrømningen uden i princippet at ændre, hvilken chip der er hurtigst. Den benchmarkserie, der ville teste længere, produktionsrepræsentative kontekstvinduer, er endnu ikke kørt.

OpenAIs egen økonomichef dæmpede erstatningsfortællingen

Den mest afslørende reaktion på lanceringen kom hverken fra Nvidia eller eksterne analytikere. Den kom fra OpenAIs egen finansdirektør Sarah Friar, som beskrev Jalapeno som noget, der "passer ind i en bredere regnestrategi, hvor datacentre, chips, modeller, udviklerplatformen, produkter og enheder fungerer som ét integreret system", og sagde eksplicit, at chippen "supplerer OpenAIs eksisterende samarbejder" i stedet for at erstatte dem.

OpenAI har ikke trukket sig fra nogen af sine regnekraft-samarbejder. Virksomheden fortsætter med at opbygge kapacitet med Nvidia, AMD, AWS, Cerebras og CoreWeave og har ikke udtalt noget, der antyder en hensigt om at mindske afhængigheden af nogen af dem. Jalapeno minder mindre om en konkurrents produktlancering og mere om en forsikringspolice mod fremtidige forsyningsbegrænsninger, på et tidspunkt hvor enhver stor køber af regnekraft stadig siger, at efterspørgslen overstiger den tilgængelige hardware.

Hvad det betyder for alle, der køber AI-regnekraft

Den praktiske lære for en virksomhed, der planlægger sit eget AI-infrastrukturforbrug, er ikke, at Nvidia nu har et problem. Det er, at en benchmark-overskrift fra en køber af regnekraft, der nu også er blevet producent af regnekraft, ikke er det samme signal som et reelt markedsalternativ, der ankommer i stor skala. Jalapeno findes i mængder af ingeniørprøver. Der er ingen annonceret pris, ingen annonceret tilgængelighedsdato for eksterne kunder, og OpenAI selv fremstiller den som en afdækning snarere end en erstatning.

Enhver indkøbsbeslutning, der behandler denne uges tal som en grund til at genforhandle en Nvidia-kontrakt eller satse på et kortsigtet multi-leverandør-marked for inferens, læser mere ind i meddelelsen, end OpenAI selv er villig til at hævde. Chippen er reel, effektivitetsgevinsten er reel, og de forbehold, som OpenAIs egen lanceringspartner knytter til sammenligningen, er lige så reelle.

Læs videre: Samsungs kvartal slår Nvidia på overskud  |  Ohio betaler ikke for OpenAI's 8GW-campus