Zadnjih nekoliko godina, svaki razgovor o AI-u bio je fokusiran na modele. Koliko parametara? Koji benchmarki? Što ovaj model može što nije mogao prošlog mjeseca?
Ali uvijek je bilo nešto jednako važno što je tiho sjedio u pozadini: računala koja čine sve to mogućim.
Svaki put kada ChatGPT odgovori na pitanje, svaki put kada Codex pomogne nekome da napiše kod, svaki put kada AI agent dovrši zadatak, nešto fizičko obavlja taj posao. Negdje je čip koji to sve obrađuje neobičnom brzinom. I kako AI postaje moćniji i više ljudi ga koristi, hardver ispod postaje jednako važan kao softver iznad.
Zato je ono što je OpenAI najavio 24. lipnja 2026. veća stvar nego što se na prvi pogled čini.
Što je Jalapeño?
Jalapeño je prvi prilagođeni AI čip tvrtke OpenAI, razvijen s Broadcomomom i proizvodnim partnerom Celesticom. Dizajniran je specifično za LLM zaključivanje, proces pokretanja treniranog AI modela i generiranja odgovora kada mu netko nešto postavi.
Da biste razumjeli zašto je to važno, važna je jedna razlika. Treniranje je kada model uči. To je skupo, sporo i događa se povremeno. Zaključivanje je ono što se događa svaki put kada koristite model: svaka ChatGPT poruka, svaki Codex prijedlog, svaki API poziv. To je zaključivanje, i događa se milijarde puta dnevno.
Većina čipova u upotrebi danas nije sagrađena za ovo. Oni su opće namjene, dizajnirani za rukovanje svim vrstama zadataka. Jalapeño je dizajniran za jednu stvar: pokretanje velikih jezičnih modela što je učinkovitije moguće.
Jednostavan način da o tome razmislite: zamislite dvije kuhinje. Jedna može kuhati bilo koje jelo. Druga je postavljena isključivo za pizzu, svaki alat, svaka stanica optimizirana za taj jedan posao. Pizzerija radi brže, stoji manje po narudžbi i obradi puno više volumena. To je razlika između GPU-a opće namjene i čipa kao što je Jalapeño.
Kako je sagrađen i koliko brzo?
Jalapeño je od početnog dizajna do proizvodnog tape-outa prošao samo devet mjeseci. Za kontekst, obično traje 1,5 do 2 godine da se ASIC dizajnira od nule. OpenAI i Broadcom tvrde da je ovo možda najbrži razvojni ciklus koji je ikad postignuta u visoko-performantnim naprednim poluvodičima.
Ta brzina nije bila slučajna. OpenAI je koristio svoje AI modele da ubrzaju dijelove procesa dizajna i optimizacije čipa, što znači da su isti modeli dostavljani korisnicima pomogli da se gradi infrastruktura koja se koristi za pokretanje budućih modela. AI pomaže u dizajnu bolje AI opreme. To je pravi zanimljiv krug.
Inženjerski uzorci već provode ML opterećenja u laboratoriju na frekvenciji i snazi cilja proizvodnje. Ranije testiranje pokazuje da će Jalapeño isporučiti performanse po vatu značajno bolje od trenutnih naprednih alternativa. Broadcom CEO Hock Tan naveo je uštedu troškova od otprilike 50% u odnosu na tipične AI GPU-e u ranom testiranju. Detaljno tehnički izvještaj bit će dostupan u nadolazećim mjesecima. Početna implementacija planirana je do kraja 2026., s Broadcom CEO-om koji opisuje "mali razvoj prototipa" u kasnoj 2026., skaliranje odatle.
Zašto AI tvrtke grade vlastite čipove?
Iskreni odgovor je kontrola, trošak i opseg.
Čipovi opće namjene sagrađeni su da razumno dobro rukuju svime. Ali AI opterećenja su specifična; trebaju posebne obrasce memorije, posebno umrežavanje, posebne načine uravnoteživanja računanja. Kada pokrenete model u mjerilu ChatGPT-a, čak i mala neučinkovitost zbrajaju se u ogromne troškove.
OpenAI sada djeluje preko cijelog stacka: razvoj modela, izgradnja proizvoda i dizajn infrastrukture ispod: arhitektura čipa, sustavi memorije, umrežavanje i implementacija. Jer je svaki sloj optimiziran oko istog cilja, cijeli sustav radi brže, pouzdanije i po nižim troškovima.
Greg Brockman je to rekao jasno: "Dizajnirajući više stacka sami, možemo služiti većom inteligencijom s većom učinkovitošću i nastaviti gurati naprednu AI prema širem pristupu."
OpenAI nije sam. Google ima Tensor Processing Units. Amazon ima Trainium. Meta ima vlastite akceleratora. Ono što je izvanredno u Jalapeñu je brzina — devet mjeseci, od početka do kraja, i opseg ambicije. Hyperscalers su na putu da utroše preko 700 milijardi dolara na AI infrastrukturu u 2026. Broadcom CEO je postavio cilj od preko 100 milijardi dolara u prodaji AI poluvodiča do 2027.
Što to znači za razvojne inženjere i tehnološke startupe?
Za većinu razvojnih inženjera, neposredan utjecaj neće biti novi alat za instalaciju. Pojavit će se tiho — brži odgovori, pouzdaniji rad i eventualno, niži troškovi zaključivanja.
Ali veća implikacija je važna. Razmislite o startupu koji pravi AI proizvod sada. Brzina, trošak i pouzdanost su tri ograničenja oko kojih se sve uravnoteživanja. Što je zaključivanje brže i jeftinije na razini hardvera, to ambitozniji proizvodi timovi mogu graditi bez brige hoće li ekonomija biti zadržana.
Brockman je rekao CNBC-u da OpenAI "ne može dovoljno brzo dobiti računalnu snagu." Broadcom CEO je to potkrijepio, rekavši da je potražnja za računalnom snagom od njihovih klijenata "jednostavno nezasitna" i za očekivanjem da ostane povećana kroz 2028. i dalje. Takav signal potražnje vam govori kako se trenutno puno AI razvoja proizvoda čeka da infrastruktura bude uključena.
Pitanja na koja svi žele odgovore
P: Što je točno AI zaključivanje?
Zaključivanje je ono što se događa svaki put kada koristite trenirani AI model. Treniranje ga uči. Zaključivanje je model koji stavlja to znanje u rad u realnom vremenu, generira odgovor, piše kod ili dovršava zadatak. Svaka ChatGPT poruka je zaključivanje. Događa se milijarde puta dnevno, zato je učinkovitost tako važna.
P: Znači li ovo da OpenAI zamjenjuje Nvidia?
Nije baš. ASIC-i kao što je Jalapeño su posebno izgrađeni za određena opterećenja, manje fleksibilni od Nvidia GPU-a, ali jeftiniji po zadatku za poslove za koje su dizajnirani. Intenzivniji zadaci kao što je treniranje velikih modela će vjerovatno i dalje oslanjati na GPU klastera. Jalapeño je optimiziran za zaključivanje u mjerilu, gdje prilagođeni hardver čini najveću razliku u troškovima i brzini.
P: Što to znači za startupe koji grade na AI API-jima?
Općenito dobre vijesti. Kako zaključivanje postaje jeftinije i brže na razini hardvera, ta učinkovitost može teći kroz API cijene i performanse. Proizvodi koji će najviše koristiti su oni gdje brzina odgovora i trošak po upitu izravno utječu na korisničko iskustvo, što je većina AI proizvoda.
Što dolazi dalje
Prvi val AI-a bio je o dokazivanju što modeli mogu. Sljedeći val je o učinjavanju dostupnima svugdje, pouzdano i pristupačno.
Jalapeño je signal da tvrtke koje oblikuju što dolazi dalje nisu samo razmišljaju o modelu. Razmišljaju o svemu što čini model da radi — čip, memorija, umrežavanje, podatkovni centar, sustav implementacije. Svaki sloj je optimiziran da čini sljedeću bolju.
Za bilo koga koji gradi s AI-om sada, taj smjer je važan. Proizvodi koji dosegnu najviše ljudi neće samo imati najbolje modele. Bit će izgrađeni na infrastrukturi dizajniranoj da služi tim modelima u mjerilu i troškovima koji prije nisu bili mogući.
TL;DR
OpenAI je upravo izgradio svoj prvi prilagođeni AI čip pod nazivom Jalapeño, napravljen specifično za pokretanje svojih AI modela — ChatGPT, Codex i sve između. Umjesto da se potpuno oslanja na čipove opće namjene kao što su Nvidia GPU-ovi, OpenAI je dizajnirao onaj koji obavlja ovaj posao brže i učinkovitije. Izgradio ga je u samo devet mjeseci, što je rekordno vrijeme za ovu vrstu opreme. Cilj je jednostavan: učiniti AI jeftinijim za pokretanje, bržim za odgovor i dostupnim za više ljudi. Za razvojne inženjere i startupe koji grade na AI-u, to eventualno znači niže troškove i bolje performanse bez mijenjanja čega god na njihovoj strani.
Tražite graditi visoko performantan udaljeni tehnički tim?
Pogledajte MyNextDeveloper, platformu gdje možete pronaći najboljih 3% softwareskih inženjera koji su duboko strasti prema inovaciji. Naša na zahtjev, dedicirani i temeljiti softverski talentu rješenja pružaju sveobuhvatno rješenje za sve vaše softverske potrebe.
Posjetite našu web stranicu da istražite kako vam možemo pomoći u sastavljanju vašeg savršenog tima.
