OpenAI Jalapeñoチップがベンチマーク初公開——700WでGB300比1.9倍の電力効率を実現

OpenAIがBroadcomと共同開発した推論専用ASIC「Jalapeño」は、2026年8月25日のHot Chips会議において初のベンチマークデータを公開した。GPT-OSS 120B、DeepSeek R1 670B、Kimi K2.5 1Tを対象としたInferenceXテストにおいて、ワットあたりの推論性能でNVIDIA GB300を最大1.9倍上回り、エンドツーエンドレイテンシは1.7〜3.6倍低く、高インタラクション負荷下では差が4.1倍に拡大した。システム全体の消費電力は700Wであり、競合製品の1400Wと対照的な結果となった。

事実の整理

TechCrunchの報道によると、JalapeñoはOpenAIとBroadcomの共同開発によるもので、Samsung供給のHBM4メモリを採用している。ベンチマーク結果によれば、同チップはプリフィルおよび通信フェーズにおけるデータ移動を削減し、モデル状態とKVキャッシュをローカルに配置することで、活性化に対応する演算・メモリ・ネットワークリソースを効率的に活用する。OpenAIのハードウェア責任者であるRichard Ho氏は記者会見で、今回の結果が既存の最先端推論プロセッサに対する顕著な性能向上を示すものだと述べた。

展開スケジュールも明確化されており、2026年末にChatGPTインフラへの小規模導入、2027年に本格展開が予定されている。同プラットフォームは複数世代にわたる製品として位置づけられ、モデル・チップ・メモリが協調して開発される設計となっている。

メカニズムの分析

Jalapeñoは推論プロセスにおける一般的なボトルネックに対応した設計となっている。データ転送量と通信レイテンシを最小化することで、固定アーキテクチャに依存せず、各フェーズでリソースを動的に組み合わせることが可能だ。これは従来のGPUが全プロセスを統一スケジューリングする方式とは対照的であり、同一モデル下でワットあたりスループットの向上とレイテンシ削減を同時に実現できる理由を説明している。

700Wと1400Wの消費電力の差は、電力制約下における処理負荷の対応能力の違いを直接反映している。HBM4メモリの採用により、より大規模なモデル状態のローカル保持が可能となり、チップ間通信のオーバーヘッドが低減される。

産業への影響

この結果は、公開ベンチマークランキングに基づく算力（コンピューティングパワー）の経済性評価全体に影響を及ぼす可能性がある。推論コスト構造において電力消費が占める割合は大きく、Jalapeñoが示す効率優位性はChatGPTなどのサービスの限界費用曲線を変化させ、NVIDIA GB300シリーズに依存するクラウドサービスの価格設定や競争環境にも波及しうる。

複数の情報源によれば、HBM4サプライヤーとしてのSamsungの役割はサプライチェーン多様化の潮流を際立たせるものだ。推論負荷の占める割合が継続的に上昇する中、他の大規模モデルメーカーも自社開発ASICの路線を改めて検討する可能性がある。

戦略的評価

【分析】Jalapeñoが計画通り2027年に本格展開された場合、複数世代にわたるプラットフォーム戦略がクローズドループの優位性を形成しうる。ただしNVIDIAの後続製品の進化には不確実性が残り、実際の市場シェアの変化は展開規模と実際のワークロードにおけるパフォーマンスを見極める必要がある。OpenAIのフルスタック協調モデルは業界に参考事例を提供するが、モデルとハードウェアの同期的な世代更新能力の再現は容易ではない。

【分析】AIインフラ全体にとって、本件は推論専用チップが周辺から中核へと移行しつつあることを示している。コスト構造の再編はモデルトレーニングとサービス価格設定に波及し、利害関係者はハードウェア選択においてより長期的なポートフォリオ構成を検討する必要がある。