OpenAI baja al silicio: 'Jalapeño' y la apuesta por controlar toda la cadena de la inteligencia

La noticia de que OpenAI tiene chip propio se entiende mejor leyendo el gesto que la acompaña. El 24 de junio, Hock Tan y Charlie Kawwas, de Broadcom, entregaron físicamente el primer Jalapeño a Sam Altman y Greg Brockman. Más allá de la escenografía corporativa, el acto sella un movimiento estratégico de fondo: OpenAI quiere dejar de ser únicamente cliente de aceleradores ajenos —NVIDIA, sin nombrarla, planea sobre todo el anuncio— para tener voz propia en la capa de silicio que ejecuta sus modelos. Es la lógica de la integración vertical aplicada a la IA: quien controla el modelo, el producto y ahora el chip, controla su propio destino y sus márgenes.

El argumento técnico que vertebra el comunicado es que Jalapeño es un 'diseño en blanco' pensado desde cero para la inferencia de modelos de lenguaje, y no un acelerador genérico readaptado. Richard Ho, responsable de hardware de OpenAI, explica que el chip se optimizó alrededor de los kernels, el movimiento de memoria, las interconexiones y los patrones de serving que realmente importan en producción. La meta es cerrar la llamada 'utilization gap', esa distancia crónica entre el rendimiento teórico de un acelerador y lo que de verdad aprovecha bajo carga real. Tiene sentido: nadie conoce mejor las cargas de ChatGPT, Codex o la API que quien las ejecuta a diario a escala masiva.

El dato que más llama la atención es la velocidad: nueve meses del diseño al tape-out, frente a los dos a cuatro años habituales en chips complejos. OpenAI lo presenta como, en su opinión, el ciclo ASIC más rápido jamás logrado en semiconductores de alto rendimiento; conviene tomarlo como una afirmación de la compañía, aún sin contraste independiente. Lo verdaderamente significativo es cómo lo lograron: usaron sus propios modelos de IA para acelerar partes del diseño. Hay aquí una recursividad que resume el momento que vive el sector: la IA empieza a diseñar la infraestructura que ejecutará la próxima IA. Si esa espiral se sostiene, el coste del cómputo avanzado podría caer para toda la industria, no solo para OpenAI.

En rendimiento conviene ser escrupulosos con lo que se ha dicho y lo que no. Las muestras de ingeniería ya ejecutan cargas reales en laboratorio —incluido GPT-5.3-Codex-Spark— a la frecuencia y potencia objetivo, y OpenAI afirma un rendimiento por vatio 'sustancialmente mejor' que el estado del arte actual. Pero la propia empresa reconoce que sigue midiendo las cifras finales y que publicará un informe técnico en los próximos meses. Dicho de otro modo: la promesa es concreta, los números todavía no. El lector prudente esperará a ese informe antes de dar por buena cualquier comparación.

La eficiencia energética, una vez más, es el verdadero campo de batalla. Con los centros de datos consumiendo gigavatios para servir inteligencia, el rendimiento por vatio ha dejado de ser un argumento de marketing para convertirse en una restricción operativa y ambiental. Si Jalapeño cumple, no solo abarata el servicio de OpenAI: presiona a la baja el coste energético de toda la inferencia interactiva a escala, que es justamente el tipo de carga que generan los productos conversacionales y agénticos.

El reparto de papeles completa el cuadro y lo hace creíble. OpenAI se reserva la arquitectura; Broadcom aporta la implementación del silicio y su tecnología de red Tomahawk; Celestica integra placas, racks y sistemas. Es la división de trabajo de quien quiere diseñar sin convertirse en fundición. La gran incógnita que queda en el aire es qué significa este movimiento para el equilibrio del mercado de aceleradores, hoy dominado por un solo actor. No estamos ante un desafío frontal inmediato, pero sí ante una señal inequívoca: los grandes laboratorios ya no se conforman con comprar el motor de su inteligencia; quieren fabricarlo.