OpenAI Desvenda 'Jalapeño': O Acelerador de IA Que Pode Mudar o Jogo

O Jalapeño, o novo acelerador de inferência da OpenAI, surge como um ponto de virada na estratégia da empresa. Este chip não foca em treinamento, mas sim na parte intensiva de processamento para servir modelos de IA aos usuários, um processo conhecido como inferência. Sua arquitetura é robusta, combinando 216 GiB de HBM4 com uma largura de banda de 15.4 TB/s, um die de computação e um chiplet de I/O. Os dados técnicos detalham um consumo de energia de pico de 700 W, com um gasto sustentado mais próximo de 550 W.

A visão da OpenAI é clara: construir uma infraestrutura própria e homogênea para otimizar suas operações de IA. Um sistema completo pode escalar para 2.048 aceleradores, entregando até 27 EFLOP/s em precisão de quatro bits. Um dos pontos mais intrigantes é o papel da própria IA da OpenAI no design do chip, ajudando na arquitetura de computação, no encaixe de circuitos e na otimização de kernels, algo que levou um Attention implementation de menos de um por cento para quase noventa por cento do limite de memória/computação em cerca de quarenta horas.

A cobertura anterior do CEVIU, especialmente em agosto de 2026, reportou os resultados preliminares e as afirmações da OpenAI de que o Jalapeño superaria chips da Nvidia, como o GB200 e GB300. Agora, a empresa apresentou dados concretos de performance medida em silício funcional durante o HotChips 2026. Essas novas informações vão além das expectativas e testes iniciais, quantificando com precisão a eficiência energética (1.5x a 1.9x melhor performance por watt) e a latência (1.7x a 3.6x melhor) em comparação com os concorrentes. Essa é a virada de jogo: saímos das promessas e entramos nos números factuais de um chip em operação.

O desenvolvimento do Jalapeño reforça a tendência de verticalização no mercado de IA, onde grandes players como a OpenAI buscam controlar toda a pilha tecnológica, do modelo ao hardware. Isso permite uma otimização sem precedentes, reduzindo a dependência de fornecedores externos e, potencialmente, diminuindo custos operacionais e consumo energético. Para o mercado, é um sinal claro de que a corrida por infraestrutura de IA está aquecendo, impulsionando a inovação em arquiteturas de chips e metodologias de design, inclusive com a IA projetando seu próprio hardware.