Varför OpenAIs nya chip inte ersätter Nvidia

Siffrorna Nvidia måste svara på

OpenAI presenterade denna vecka sitt första egenutvecklade AI-chip, kodnamn Jalapeno, och de medföljande benchmarksiffrorna är den egentliga nyheten. Med det publika InferenceX-benchmarket, delvis oberoende verifierat av analysfirman SemiAnalysis, levererade Jalapeno 1,5 till 1,9 gånger mer AI-arbete per watt vid topplast än Nvidias nuvarande Blackwell Ultra-system (GB300), och gav 1,7 till 3,6 gånger lägre ände-till-ände-latens i tester med modellerna DeepSeek R1, Kimi K2.5 och GPT-OSS.

Enligt OpenAI tog chippet ungefär 16 månader från designstart i mitten av 2024 till slutlig tillverkning i november 2025, där äldre OpenAI-modeller hjälpte till med själva chipdesignen och nyare modeller påskyndade programmeringsarbetet.

Jämförelsen som även dess upphovsman kallar orättvis

Det som skiljer denna lansering från ett vanligt benchmarkkrig är att både OpenAI och analytikerna som verifierade resultaten säger att rubrikjämförelsen med Blackwell inte ger den fullständiga bilden. Jalapeno körs med HBM4-minne med 15,4 terabyte per sekund i bandbredd, en nyare minnesgeneration än den Nvidias nuvarande Blackwell-serie använder. SemiAnalysis noterade att den mer rättvisa rivalen är Nvidias Vera Rubin, som också använder HBM4 och redan idag levererar 17,5 PFLOPs vid 900 till 1 150 watt till kunder, medan Jalapeno förblir ett ingenjörsprov utan leveransdatum.

Mot Rubin hamnar de båda chipen på en jämförbar kostnad per token, men metodiken är inte identisk. Jalapenos siffror speglar förutsägelse med enskild token, medan Rubins tester använde spekulativ avkodning, en teknik som ändrar genomströmningen utan att i princip ändra vilket chip som är snabbast. Den benchmarksvit som skulle testa längre, produktionsrepresentativa kontextfönster har ännu inte körts.

OpenAIs egen ekonomichef tonade ner ersättningsberättelsen

Den mest avslöjande reaktionen på lanseringen kom varken från Nvidia eller externa analytiker. Den kom från OpenAIs egen ekonomichef Sarah Friar, som beskrev Jalapeno som något som "passar in i en bredare beräkningsstrategi där datacenter, chip, modeller, utvecklarplattformen, produkter och enheter fungerar som ett integrerat system", och sa uttryckligen att chippet "kompletterar OpenAIs befintliga samarbeten" i stället för att ersätta dem.

OpenAI har inte dragit sig ur något av sina beräkningssamarbeten. Företaget fortsätter att bygga kapacitet med Nvidia, AMD, AWS, Cerebras och CoreWeave, och har inte gjort något uttalande som tyder på en avsikt att minska beroendet av något av dem. Jalapeno påminner mindre om en konkurrents produktlansering och mer om en försäkring mot framtida leveransbegränsningar, vid en tidpunkt då varje stor köpare av beräkningskraft fortfarande säger att efterfrågan överstiger tillgänglig hårdvara.

Vad detta betyder för alla som köper AI-beräkningskraft

Den praktiska läxan för ett företag som planerar sina egna utgifter för AI-infrastruktur är inte att Nvidia nu har ett nytt problem. Det är att en benchmarkrubrik från en köpare av beräkningskraft som nu också har blivit tillverkare av beräkningskraft inte är samma signal som ett genuint marknadsalternativ som anländer i stor skala. Jalapeno finns i mängder av ingenjörsprover. Det finns inget aviserat pris, inget aviserat tillgänglighetsdatum för externa kunder, och OpenAI självt beskriver det som en säkring snarare än en ersättning.

Varje inköpsbeslut som behandlar veckans siffror som ett skäl att omförhandla ett Nvidia-kontrakt, eller att satsa på en kortsiktig marknad med flera leverantörer för inferens, läser in mer i tillkännagivandet än vad OpenAI självt är berett att påstå. Chippet är verkligt, effektivitetsvinsten är verklig, och de förbehåll som OpenAIs egen lanseringspartner lägger till jämförelsen är precis lika verkliga.

Läs vidare: Samsungs kvartal slår Nvidia på vinst  |  Ohio betalar inte för OpenAI:s 8GW-campus