2026年8月26日、OpenAIは自社開発の推論チップ「Jalapeño」の初回性能データを公開した。業界分析機関SemiAnalysisが発表した公開ベンチマーク「InferenceX」において、Jalapeñoは3種類の主要大規模言語モデルのテストでNVIDIA GB200およびGB300ラックシステムと比較し、ワット当たりスループットが1.5〜1.9倍向上、エンドツーエンドレイテンシが1.7〜3.6倍低下した。これはOpenAIがカスタムシリコン領域に参入して以来初めての定量的な公開比較であり、同社が技術競争を正式にハードウェア層へ拡大したことを示す。
700W対1400W：消費電力の差がパフォーマンスデータを理解する鍵
Jalapeñoの中核設計思想は、より低い消費電力で同等以上の推論処理を実現することにある。OpenAI公式発表によれば、Jalapeñoの定格消費電力は700Wで、実測時は550W以下を維持した。一方、比較対象のNVIDIA GB200の定格消費電力は1,200W、GB300は1,400Wである。同一の電力予算のもと、JalapeñoはNVIDIAのソリューションよりはるかに高いインスタンス密度で稼働できる点が「ワット当たりスループット」優位データの根本的な源泉となっている。
メモリと帯域幅の仕様については、各Jalapeñoパッケージに6スタックのHBM4メモリを統合し、総容量216GiB、帯域幅15.4TB/sを実現している。この帯域幅指標は大規模モデルの推論において極めて重要だ。大規模モデルの推論フェーズは演算能力ではなくメモリ帯域幅がボトルネックとなる典型的なワークロードであり、高帯域幅メモリが1回の推論におけるトークン生成速度を直接決定する。これがJalapeñoが低レイテンシと高スループットを同時に実現するためのハードウェア的基盤でもある。チップはBroadcomをASICパートナーとして共同設計され、TSMCの3nmプロセスで製造、HBM4はサムスンが供給していると報じられている。
3モデルの具体的数値：差はシナリオによって異なる
InferenceXベンチマークは中規模から超大規模の3種類のオープンソースモデルをカバーしており、結果には明確な規則性のある差異が見られた。
GPT-OSS 120Bのテストでは、JalapeñoはGB200比で約1.9倍のピークワット当たり効率を達成した。具体的には85,448対44,960の混合TPS/kW、エンドツーエンドレイテンシは1.8秒から1.03秒へと低下した。これは3グループのテスト中で効率優位が最も大きいシナリオであり、中規模推論ワークロードの最も一般的な本番環境形態でもある。
DeepSeek R1 670Bのテストでは、JalapeñoはGB300比で1.7倍の効率優位（19,641対11,781の混合TPS/kW）を示し、レイテンシは5.99秒から1.65秒へと3.6倍改善した。これは全データ中でレイテンシ改善が最も顕著なグループである。DeepSeek R1は現在産業界で広く展開されている重量級推論モデルであり、3.6倍のレイテンシ低下は対話型製品のユーザー体験向上において実質的な意義を持つ。
3番目のテストにはKimi K2.5の1兆パラメータモデルが使用された。これは現在の公開テストにおける最大規模の推論シナリオの一つでもある。OpenAIが発表したサマリーデータではJalapeñoが同様に優位を維持していることが示されているが、当該モデルに関する具体的なTPS/kWの数値は現時点では独立した情報源によって確認されていない。
さらにOpenAIは「インタラクティブワークロード」サブセットのデータも公開した。応答レイテンシへの要求が最も厳しいタスク種別において、JalapeñoはGB200/GB300の2.1〜4.1倍の性能指標を達成した。この数値は全体のベンチマークよりも高く、同チップの低レイテンシシナリオへの設計指向を反映している。
競争環境への影響：NVIDIAへの短期的脅威は限定的、長期的圧力は織り込み始め
テスト数値だけを見れば、JalapeñoはNVIDIAに対して実質的な技術的挑戦を突きつけている。しかしこのデータが産業構造に与える真の影響を理解するには、2つの時間軸を区別する必要がある。
短期的には、NVIDIAの地位はほぼ揺るがない。OpenAIは発表と同時に、2026年末までの実際の展開量は極めて限定的であり、同社はNVIDIAおよびその他のパートナーからGPUを引き続き大量調達すると明言した。大規模訓練タスクは現在も完全にNVIDIAハードウェアに依存しており、JalapeñoはあくまでもPure推論チップとして位置付けられ、訓練シナリオには関与しない。これはNVIDIAの収益への実質的な影響が短期的にはほぼゼロであることを意味する。
中長期的な次元はまた別の話だ。OpenAIは同時に、第2世代Jalapeñoチップのテープアウトまで数ヶ月しか残っていない可能性があること、そして第3世代の設計がすでに立ち上がっていることも公表した。このペースは、Jalapeñoが一回限りのエンジニアリング展示ではなく、継続的な反復製品ロードマップに乗ったことを示している。OpenAIの推論規模が拡大し続ければ、外部調達GPUを内製チップで代替する比率が段階的に上昇し、NVIDIAの最も利益率の高いデータセンタービジネスを侵食することになる。
NVIDIAにとって、より直接的なシグナルの圧力は市場心理的な面から来ている。これまでGoogleのTPU、AmazonのTrainium/Inferentiaの登場によって市場は超大規模AI企業が自社チップを開発できることを認識してきたが、公開ベンチマークでNVIDIAのフラッグシップと正面から比較して上回る事例は多くはなかった。OpenAIが今回、第三者フレームワークであるInferenceX上で数値を公開することを選択したことは、データが少なくとも追跡可能であり、非公開の内部ホワイトペーパーではないことを意味する。
開発者と企業ユーザーへの意味
Jalapeñoは現在外部販売されておらず、クラウドサービスへのアクセス計画も公表されていない。大多数の開発者や企業ユーザーにとって、短期的に感じられる変化は一つだけだ。OpenAIがJalapeñoをAPIサービスのインフラに展開した場合、特にリアルタイム対話シナリオなど応答速度に敏感な用途で推論レイテンシの低下が期待できる。
より直接的なのはコスト伝達経路だ。推論チップのワット当たり効率の向上は、データセンターにおける単位演算コストあたりの電力コスト削減に直結する。Jalapeñoが大規模量産された場合、OpenAIの推論限界コストが低下し、理論上はAPI価格の圧縮余地が生まれる。ただし現時点では量産スケジュール、実際の展開規模、コストデータのいずれも公表されておらず、このシナリオはまだ仮定の段階にある。
推論インフラを評価中の企業にとって、現時点でのJalapeñoの最も直接的な参照価値は、「業界の実現可能な水準」を再定義したことにある。700W消費電力、216GiB HBM4、15.4TB/s帯域幅というスペックの組み合わせが3nmプロセスで達成できる推論効率は、企業がNVIDIA調達計画を評価し、クラウドベンダーの自社チップ路線を検討する際の新たな参照基準となる。
自己評価データの限界
Jalapeñoの初回データには根本的な制約がある。全テストはOpenAI自身が実行し、SemiAnalysisが設計したInferenceXフレームワークを使用しているが、テスト実行、ハードウェア構成、チューニングパラメータはすべてOpenAIが管理している。これはNVIDIA公式のGPUホワイトペーパーと性質上類似しており、追跡可能な方法論は存在するものの、独立した再現性は欠如している。
現時点で未公開の重要な情報としては、高度に最適化された推論エンジン（TensorRT-LLMなど）と組み合わせたNVIDIAハードウェアとの比較結果、システムレベルのTCO（総所有コスト）比較、およびオープンソースモデルではなくプロプライエタリモデル（GPTシリーズなど）での実際の性能が挙げられる。ベンチマークテストでDeepSeek R1とKimi K2.5という中国企業の2つのオープンソースモデルを選択したこと自体もひとつのシグナルだ。これらはモデルの重みが公開されており、第三者による検証が容易であると同時に、現在の産業界で最も注目される推論ワークロードタイプをカバーしている。
戦略的判断：次に注目すべきシグナル
Jalapeñoの最も可能性の高い戦略的経路は、まずOpenAI自社のAPIインフラにおいてNVIDIAの一部推論キャパシティを置き換えて限界コストを抑制しながら、訓練側でのNVIDIA依存を途切れさせないことだ。この「内部吸収」モデルはGoogleのTPU初期展開パスと非常に類似している。Googleも同様に、まず検索や内部製品で自社チップのキャパシティを消化し、段階的にCloud TPUを通じて外部開放した。
第2世代チップのテープアウト時期が最も追跡すべき重要なシグナルだ。第2世代が2027年以前に完了し量産準備に入れば、OpenAIのシリコンエンジニアリング能力が安定した反復リズムを確立したことを意味し、その時点でNVIDIAへの調達量への影響は理論から財務数字へと変わるだろう。
もう一つの観察軸は価格シグナルだ。JalapeñoをOpenAIが大規模展開した後にAPI推論価格を引き下げれば、効率向上の恩恵がユーザーへ伝わっている直接的な証拠となる。逆にAPI価格が維持されれば、効率改善による収益が市場への還元ではなく利益率拡大に充てられていることを示す。この2つの経路は企業の選定戦略に対してまったく異なる意味を持つ。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接