OpenAI rakensi juuri oman AI-sirunsä. Tässä on miksi se muuttaa kaiken.

Viime vuosien aikana jokainen tekoäly-keskustelu on pyörinyt mallien ympärillä. Kuinka monta parametria? Mitkä vertailutestit? Mitä malli osaa tehdä, mitä viime kuukauden malli ei osannut?

Mutta taustalla on aina ollut jotain yhtä tärkeää hiljaa toimivana: tietokoneet, jotka saavat kaiken toimimaan.

Joka kerta kun ChatGPT vastaa kysymykseen, joka kerta kun Codex auttaa jonkun kirjoittamaan koodia, joka kerta kun tekoäly-agentti saattaa tehtävän loppuun, jotain fyysistä tekee sen työn. Siru, jossain, käsittelee kaiken tätä poikkeuksellisen nopeasti. Ja kun tekoäly tulee voimakkaammaksi ja yhä useammat ihmiset käyttävät sitä, sen alla oleva laitteisto tulee yhtä tärkeäksi kuin sen päällä oleva ohjelmisto.

Siksi se, minkä OpenAI ilmoitti 24. kesäkuuta 2026, on suurempi juttu kuin se aluksi saattaa näyttää.

Mikä on Jalapeño?

Jalapeño on OpenAI:n ensimmäinen räätälöity tekoäly-siru, jonka OpenAI on kehittänyt yhdessä Broadcomin kanssa ja valmistuskumppani Celestican kanssa. Se on suunniteltu erityisesti LLM-päättelyä varten, joka on prosessi, jossa ajetaan koulutettu tekoäly-malli ja luodaan vastaus, kun joku kysyy sille jotain.

Ymmärtääkseen, miksi se on tärkeää, on hyödyllistä tietää yksi ero. Opettaminen on prosessi, jossa malli oppii. Se on kallista, hidasta ja tapahtuu ajoittain. Päättely on se, mitä tapahtuu joka kerta kun käytät mallia: jokainen ChatGPT-viesti, jokainen Codex-ehdotus, jokainen API-kutsu. Se on päättelyä, ja se tapahtuu miljardeja kertoja päivässä.

Suurimmat sirut, joita käytetään nykyään, eivät ole rakennettuja tähän tarkoitukseen. Ne ovat yleiskäyttöisiä, suunniteltu hoitamaan kaikenlaisia tehtäviä. Jalapeño suunniteltiin yhteen asiaan: suurten kielimallien ajamiseen mahdollisimman tehokkaasti.

Yksinkertainen tapa ajatella sitä: kuvittele kaksi keittiötä. Yksi voi valmistaa mitä tahansa ruokaa. Toinen on asetettu pelkästään pizzalle, jokainen väline, jokainen asema optimoitu siihen yhteen työhön. Pizza-keittiö toimii nopeammin, maksaa vähemmän per tilaus ja käsittelee paljon enemmän tilavuutta. Se on ero yleiskäyttöisen GPU:n ja Jalapeño-kaltaisen sirun välillä.

Miten se rakennettiin ja kuinka nopeasti?

Jalapeño meni alkuperäisestä suunnittelusta valmistuksen tapeout-vaiheeseen vain yhdeksässä kuukaudessa. Kontekstiksi: ASIC-sirun suunnitteleminen alusta alkaen kestää tavallisesti 1,5–2 vuotta. OpenAI ja Broadcom väittävät, että tämä saattaa olla nopein kehityssykli, joka on koskaan saavutettu korkean suorituskyvyn edistyneissä puolijohteissa.

Tuo nopeus ei ollut sattuma. OpenAI käytti omia tekoäly-mallejaan kiihdyttääkseen osia sirun suunnittelun ja optimoinnin prosessista, mikä tarkoittaa, että samat mallit, jotka tarjotaan käyttäjille, auttoivat rakentamaan infrastruktuuria, jota käytetään tulevien mallien ajamiseen. Tekoäly auttaa suunnittelemaan parempaa tekoäly-laitteistoa. Se on todella mielenkiintoinen silmukka.

Tekniset näytteet jo ajavat ML-kuormia laboratoriossa tuotannon tavoitteella olevalla taajuudella ja sähköllä. Alkuperäiset testit osoittavat, että Jalapeño toimittaa suorituskyvyn wattia kohti huomattavasti paremmin kuin nykyiset huipputeknologian vaihtoehdot. Broadcomin toimitusjohtaja Hock Tan on lainannut noin 50 % kustannussäästöjä verrattuna tyypillisiin tekoäly-GPU:ihin alkuperäisen testauksen perusteella. Yksityiskohtainen tekninen raportti julkaistaan tulevina kuukausina. Alkuperäinen käyttöönotto on suunniteltu vuoden 2026 loppuun mennessä, kun Broadcomin toimitusjohtaja kuvaa "pieniä prototyyppin kehitystyötä" vuoden 2026 lopulla ja siihen liittyvää laajentamista.

Miksi tekoäly-yritykset rakentavat omia siruja?

Rehellinen vastaus on hallinta, kustannukset ja mittakaava.

Yleiskäyttöiset sirut rakentuvat käsittelemään kaikkea kohtuullisen hyvin. Mutta tekoäly-kuormat ovat spesifisiä; ne tarvitsevat erityisiä muistimalleja, erityistä verkottamista, erityisiä tapoja tasapainottaa laskentatehoa. Kun ajat mallia ChatGPT:n mittakaavassa, jopa pienet tehottomuudet kumuloituvat valtaviksi kuluiksi.

OpenAI nyt operoi koko pinoina: kehittää malleja, rakentaa tuotteita ja suunnittelee alla olevaa infrastruktuuria: sirun arkkitehtuuria, muistijärjestelmiä, verkottamista ja käyttöönottoa. Koska jokainen kerros optimoidaan saman tavoitteen ympärille, koko järjestelmä toimii nopeammin, luotettavammin ja pienemmillä kuluilla.

Greg Brockman sanoi sen selkeästi: "Suunnittelemalla enemmän pinosta itse, voimme tarjota enemmän älykkyytta suuremmalla tehokkuudella ja jatkaa edistyneen tekoälyn työntämistä kohti laajempaa saatavuutta."

OpenAI ei ole yksin. Googlella on sen Tensor Processing Units. Amazonilla on Trainium. Metalla on omia kiihdyttimiä. Jalapeño:n huomattava asia on nopeus — yhdeksän kuukautta, alusta loppuun, ja ambition mittakaava. Hyperscaleat ovat aikataulussa käyttää yli 700 miljardia dollaria tekoäly-infrastruktuuriin vuonna 2026. Broadcomin toimitusjohtaja on asettanut tavoitteen yli 100 miljardille dollarille tekoäly-puolijohtemyynnissä vuoteen 2027 mennessä.

Mitä tämä tarkoittaa kehittäjille ja tekniikan startupe-yrityksille?

Useimmille kehittäjille välitön vaikutus ei ole uusi työkalu asennettavaksi. Se ilmestyy hiljaa — nopeammat vastausajat, luotettavampi käyttöaika ja lopulta pienemmät päättelykulut.

Mutta suurempi merkitys on tärkeä. Ajattele startup-yritystä, joka rakentaa tekoäly-tuotetta juuri nyt. Nopeus, kustannukset ja luotettavuus ovat kolme rajoitetta, joita vastaan kaiki tasapainotetaan. Mitä nopeammaksi ja halvemmaksi päättely tulee laitteistotasolla, sitä kunnianhimoisempia tuoteryhmät voivat rakentaa ilman huolta siitä, pidävätkö taloustiedot.

Brockman kertoi CNBC:lle, että OpenAI "ei saa laskentatehoa tarpeeksi nopeasti." Broadcomin toimitusjohtaja tuki sitä sanomalla, että asiakkaiden laskentatehon kysyntä on "yksinkertaisesti tyydyttämätöntä" ja sen odotetaan pysyvän korkealla vuoteen 2028 ja sen yli. Tämä kysyntäsignaali kertoo, kuinka paljon tekoäly-tuotteen kehittäminen odottaa tällä hetkellä infrastruktuuria saavuttamaan.

Kysymykset, joihin kaikki haluavat vastaukset

K: Mikä tarkasti on tekoäly-päättely?

Päättely on se, mitä tapahtuu joka kerta kun käytät koulutetua tekoäly-mallia. Opettaminen opettaa sen. Päättely on malli, joka laittaa sen tiedon toimeen reaaliajassa, luoden vastauksen, kirjoittaen koodia tai suorittaen tehtävän. Jokainen ChatGPT-viesti on päättelyä. Se tapahtuu miljardeja kertoja päivässä, miksi sen tehokkuuden parantaminen on niin tärkeää.

K: Tarkoittaako tämä, että OpenAI korvaa Nvidian?

Ei aivan. ASIC-sirut kuten Jalapeño ovat tarkoituksellisesti rakennettuja spesifisille kuormille, joustavampia kuin Nvidian GPU:t, mutta halvempia tehtävää kohti niille töille, joille ne on suunniteltu. Intensiivisemmät tehtävät, kuten suurten mallien opettaminen, luultavasti edelleen luottavat GPU-klustereihin. Jalapeño on optimoitu päättelyyn mittakaavassa, jossa tarkoituksella rakennettu laitteisto tekee suurimman eron kustannuksiin ja nopeuteen.

K: Mitä tämä tarkoittaa startup-yrityksille, jotka rakentavat tekoäly-sovellusrajapintoihin?

Laajasti hyvää uutista. Kun päättely tulee halvemmaksi ja nopeammaksi laitteistotasolla, se tehokkuus voi virrata sovellusrajapinnan hinnoitteluun ja suorituskykyyn. Tuotteet, jotka hyötyvät eniten, ovat ne, joissa vasteaika ja kustannus-per-kysely vaikuttavat suoraan käyttäjäkokemukseen, mikä on suurin osa tekoäly-tuotteista.

Mikä odottaa eteenpäin

Ensimmäinen tekoäly-aalto oli niiden todistaminen, mitä mallit voivat tehdä. Seuraava aalto on niiden saatavuuden parantaminen kaikkialla, luotettavasti ja edullisesti.

Jalapeño on signaali siitä, että yritykset, jotka muovaavat mitä tulee seuraavaksi, eivät vain ajattele mallia. He ajattelevat kaikkea, mitä tarvitaan mallin ajamiseen — sirun, muistin, verkottamisen, data-keskuksen, käyttöönottojärjestelmän. Jokainen kerros on optimoitu seuraavan tekemiseksi paremmin.

Kelle tahansa, joka rakentaa tekoälyä juuri nyt, tuo suunta on tärkeä. Tuotteet, jotka saavuttavat eniten ihmisiä, eivät vain ole parhailla malleilla. Ne rakentuvat infrastruktuuriin, joka on suunniteltu palvelemaan näitä malleja mittakaavassa ja kustannuksissa, mikä ei ollut mahdollista ennen.

TL;DR

OpenAI juuri rakensi ensimmäisen räätälöidyn tekoäly-sirumsa nimeltään Jalapeño, joka on suunniteltu erityisesti sen tekoäly-mallien ajamiseen — ChatGPT, Codex ja kaikki niiden välillä. Sen sijaan, että luottaisivat kokonaan yleiskäyttöisiin siruihin, kuten Nvidian GPU:ihin, OpenAI suunnitteli sellaisen, joka tekee tämän yhden tehtävän nopeammin ja tehokkaammin. He rakensivat sen vain yhdeksässä kuukaudessa, mikä on ennätysaika tämäntyyppiselle laitteistolle. Tavoite on yksinkertainen: tehdä tekoäly halvemmaksi ajaa, nopeammaksi vastauksesta ja saatavilla olevan useammille ihmisille. Kehittäjille ja startup-yrityksille, jotka rakentavat tekoälyä, se lopulta tarkoittaa pienempiä kustannuksia ja parempaa suorituskykyä ilman muutoksia niiden päässä.

Etsitkö korkean suorituskyvyn kaukaisen tekniikkatiimin rakentamista?

Tutustu MyNextDeveloperiin, alustaan, jossa voit löytää parhaat 3 % ohjelmistoinsööreistä, jotka ovat syvästi kiinnostuneita innovaatiosta. Meidän on kynnettävä, omistautuneet ja perusteelliset ohjelmistolahjakulut tarjoavat kattavan ratkaisun kaikkiin ohjelmistovaatimuksiisi.

Käy verkkosivustollamme tutustuaksesi siihen, miten voimme auttaa sinua kokoamaan täydellisen tiimisi.