Resumo
· A OpenAI e a Broadcom lançaram o primeiro chip de IA Jalapeño desenvolvido internamente, com o objetivo de implantação inicial até o final de 2026.
· Este chip é voltado para a inferência de LLM, não é um substituto para GPUs de treinamento; as informações de desempenho inicial ainda vêm de testes internos da empresa.
· A OpenAI dá o primeiro passo para reduzir a dependência da Nvidia, mas a extensão da redução de custos, a escala de produção e o desempenho sob carga real ainda não foram divulgados.

A OpenAI e a Broadcom anunciaram em 24 de junho o Jalapeño, um acelerador de IA desenvolvido internamente voltado para a inferência de grandes modelos de linguagem, e também o primeiro chip da OpenAI denominado "Intelligence Processor". De acordo com o comunicado das duas empresas, o Jalapeño ainda está em fase de testes e amostras, com o objetivo de iniciar a implantação inicial até o final de 2026 e expandir nos próximos anos. Para a OpenAI, o foco não é substituir todos os GPUs da Nvidia imediatamente, mas sim redirecionar gradualmente os pedidos de inferência em crescimento de ChatGPT, Codex, API e futuros produtos de agentes inteligentes para uma combinação de software e hardware mais adequada aos seus próprios modelos.

Começar pela inferência e mirar o custo das consultas que acontecem todos os dias

A demanda por chips de IA pode ser dividida, grosso modo, em treinamento e inferência. O treinamento determina o teto de capacidade do modelo; a inferência determina se, após o modelo ser treinado, ele consegue responder a incontáveis solicitações de usuários com um custo aceitável.

O Jalapeño mira o segundo caso. A OpenAI afirma que esse chip será usado para cargas de trabalho de inferência de modelos de linguagem em larga escala, atendendo o ChatGPT, Codex, API e futuros produtos de agentes. Para usuários comuns, ele não mudará diretamente a interface de chat, mas pode afetar o custo, a velocidade e a escalabilidade do processamento de requisições nos bastidores.

Essa também é uma direção comum do “boom” de chips desenvolvidos internamente por empresas de IA. O Google tem TPU; a Amazon e a Meta também estão avançando com aceleradores customizados. Elas não precisam necessariamente substituir totalmente a Nvidia; a ideia é levar as cargas de trabalho internas mais estáveis e em maior escala para chips que se adaptem melhor ao seu modelo e ao seu stack de software.

Anteriormente, a OpenAI dependia por muito tempo de GPUs externas, especialmente aceleradores de ponta da Nvidia. Com o crescimento do volume de chamadas de modelos, depender apenas de GPUs genéricas traz duas pressões: custos e fornecimento atrelados à cadeia externa de suprimentos; além disso, chips genéricos também não necessariamente atingem a máxima eficiência sob modelos e padrões de serviço específicos. A mudança direta do Jalapeño é fazer com que a OpenAI, de apenas comprar poder de computação, comece a participar na definição desse poder.

A Broadcom é responsável pela implementação em silício e pelas tecnologias de interconexão; o fabricante de wafers não foi divulgado

O Jalapeño foi projetado do zero pela OpenAI; a Broadcom forneceu a implementação em silício, rede e tecnologias de conexão; e a Celestica participou da materialização em nível de placas, racks e sistemas. O anúncio oficial não divulgou o fabricante de wafers; portanto, não é possível simplesmente dizer que a Broadcom é responsável pela fabricação.

A Broadcom tem uma base profunda em ASICs customizados e redes de data center; nos últimos anos, também se tornou uma das fornecedoras por trás dos chips desenvolvidos internamente de vários gigantes de IA. Para a OpenAI, escolher a Broadcom é semelhante a transformar as necessidades de arquitetura dentro da própria empresa — do lado do modelo — em um produto implantável por meio de uma cadeia madura de semicondutores e de fornecimento de sistemas.

Mesmo assim, a parte de desempenho ainda precisa deixar margem. As duas empresas afirmam que o objetivo do Jalapeño é combinar a capacidade de throughput dos aceleradores de IA mais avançados de hoje e alcançar uma melhoria clara em desempenho por watt em relação às soluções atuais. A empresa também enfatiza que o protótipo de engenharia já está rodando cargas de trabalho de aprendizado de máquina no laboratório na frequência e no consumo-alvo; o desempenho final ainda está em medição, e nos próximos meses serão publicados relatórios técnicos mais detalhados.

Até o momento, ainda não foram divulgados benchmarks de terceiros, nem informações precisas sobre throughput, latência, consumo de energia e queda no custo por consulta, entre outros indicadores-chave. Algumas interpretações do mercado colocam diretamente o Jalapeño lado a lado com a Blackwell da Nvidia ou com as TPU do Google, mas antes de saírem dados reais de implantação, a liderança em redução de custos e desempenho só pode ser considerada um discurso de testes iniciais da empresa.

De 9 meses ao tape-out: a fabricação assistida por IA virou outra pista

Jalapeño — há um detalhe que a própria empresa destaca oficialmente: do design inicial ao primeiro tape-out para fabricação, foram apenas 9 meses. Esse prazo não equivale ao ciclo completo de produção em massa; ele se refere à velocidade com que o projeto do chip entra na fase de preparação para a fabricação.

No desenvolvimento tradicional de chips, do design da arquitetura, validação, fluxo de EDA até o tape-out, normalmente é preciso um ciclo longo. A OpenAI afirma que esse processo foi acelerado pelo seu modelo. A empresa tenta demonstrar que a IA não só consegue escrever código e gerar conteúdo, mas também pode entrar no fluxo de engenharia de hardware, ajudando a reduzir o tempo de design e validação do chip.

Se essa abordagem puder ser reutilizada em produtos futuros, o Jalapeño não seria apenas um chip de uma única geração, mas o ponto de partida para a OpenAI construir uma plataforma de computação customizada de múltiplas gerações. A OpenAI e a Broadcom já haviam anunciado em outubro de 2025 uma parceria para aceleradores de IA customizados em escala de 10 GW, com planos de começar a implantação no segundo semestre de 2026 e concluir até o fim de 2029. O Jalapeño é o primeiro exemplo dessa linha de parceria a entrar na fase de produto público.

Mas, embora a velocidade de design seja rápida, isso não significa que a velocidade de implantação também seja. Se o Jalapeño conseguirá entrar na infraestrutura central da OpenAI depende da produção em massa subsequente, do empacotamento (packaging), do fornecimento de memórias de alta largura de banda, da integração dos sistemas de servidores e da coordenação do data center. Se qualquer etapa apresentar gargalo, isso pode afetar o ritmo inicial de implantação até o fim do ano.

Reduzir a dependência da Nvidia é a direção, não significa que a substituição já tenha sido concluída

O Jalapeño tem maior chance de ser interpretado pelo mercado como um “desafio da OpenAI à Nvidia”. Mais precisamente: a OpenAI começou a buscar caminhos customizados além da Nvidia para certos tipos de cargas de trabalho de inferência.

A vantagem da Nvidia ainda não está apenas no desempenho de uma única GPU; ela também inclui o ecossistema CUDA, ferramentas para treinamento e inferência, interconexão em nível de sistema, base para desenvolvedores e escala de fornecimento. Mesmo que a OpenAI implante o Jalapeño com sucesso, não vai se livrar imediatamente da Nvidia. Especialmente no treinamento de grandes modelos de ponta, em P&D genéricos e em cargas de trabalho diversas, GPUs premium continuam sendo infraestrutura fundamental.

A etapa de inferência é ainda mais adequada para entrar com um chip customizado. O padrão de requisições tende a ser relativamente estável, a estrutura do modelo é mais controlável e o objetivo do serviço é mais claro. Se a OpenAI conseguir transferir para o Jalapeño tarefas de inferência frequentes e padronizadas dentro do ChatGPT, Codex ou da API, pode obter benefícios reais em custo e flexibilidade de fornecimento.

Para a Broadcom, o fato de o gigante de IA desenvolver chips próprios não significa que a empresa de chips seja contornada; ao contrário, isso traz mais projetos de personalização. Porém, o espaço de ganhos desses projetos ainda depende do custo dos componentes, do volume de entrega e da complexidade do sistema — especialmente preços e disponibilidade de fornecimentos críticos como memórias de alta largura de banda.

O que o Jalapeño realmente precisa responder agora não é se consegue rivalizar com a Blackwell ou com a TPU no lançamento, mas sim o quanto será capaz de ser escalado em grande escala até o fim do ano, que cargas de trabalho reais consegue executar e a que nível consegue reduzir o custo de inferência. Para a OpenAI, este “pimentão mexicano” é apenas o primeiro teste de sabor para sair do gargalo das GPUs — se ele conseguirá virar o prato principal depende dos dados de implantação.