شرکت OpenAI با رونمایی از نخستین تراشه اختصاصی پردازش استنتاج خود موسوم به «ژالاپنیو» (Jalapeño) و تشریح استراتژی یکپارچه «فولاستک»، گام بزرگی برای کاهش وابستگی به غولهای سختافزاری برداشته است. این اقدام استراتژیک، پاسخی مستقیم به هزینههای سرسامآور پردازش هوش مصنوعی و تلاشی برای ارزانتر و در دسترستر کردن مدلهای پیشرفته است.
ورود OpenAI به زمین بازی سیلیکون؛ ماجرای چیپ Jalapeño چیست؟
در ۲۴ ساعت گذشته، دنیای فناوری شاهد یکی از مهمترین تحولات سالهای اخیر در حوزه هوش مصنوعی بود. شرکت OpenAI رسماً جزئیات اولین سیلیکون اختصاصی خود را با نام Jalapeño به نمایش گذاشت. این تراشه بهطور ویژه برای بارهای کاری «استنتاج» (Inference) یعنی همان مرحلهای که کاربر از هوش مصنوعی سوال میپرسد و پاسخ تولید میشود، بهینهسازی شده است.
تا پیش از این، هزینه عظیم تأمین پردازندههای گرافیکی (GPU) از شرکتهایی نظیر انویدیا، یکی از بزرگترین موانع اقتصادی بر سر راه مقیاسپذیری هوش مصنوعی بود. حالا OpenAI با ورود مستقیم به طراحی تراشه اختصاصی، تلاش میکند تا چرخه کامل تولید و اجرای مدلهای خود را از سیلیکون تا نرمافزار در اختیار بگیرد.
بنچمارکها چه میگویند؟ جهش در بهرهوری انرژی و سرعت پاسخدهی
بر اساس نخستین دادههای منتشرشده از بنچمارک عمومی InferenceX، تراشه Jalapeño توانسته روی مدل متنباز GPT-OSS 120B رکوردهای چشمگیری بر جای بگذارد. نکته کلیدی در این آزمایشها، شاخص «زمان بین توکنها» (Time-Between-Tokens یا TBT) و همچنین خروجی پردازشی به ازای هر کیلووات مصرف برق است.
تراشه اختصاصی OpenAI نهتنها تأخیر در تولید کلمات را به حداقل رسانده، بلکه کارایی آن فراتر از مدلهای داخلی بوده و روی مدلهای معروفی مانند DeepSeek R1 و Kimi K2 نیز عملکرد فوقالعادهای نشان داده است؛ موضوعی که ثابت میکند این معماری تنها محدود به یک مدل خاص نیست و انعطافپذیری بالایی در سطح خانوادههای مختلف مدلهای زبانی دارد.
مقایسه شاخصهای کلیدی تراشه اختصاصی Jalapeño
| شاخص عملکردی | وضعیت سیستمهای تجاری رایج | دستاورد Jalapeño |
|---|---|---|
| بهرهوری انرژی | مصرف بالای برق در دیتاسنترها | حداکثر توان پردازشی به ازای هر کیلووات (Throughput per kW) |
| تأخیر تولید توکن (TBT) | تأخیر متغیر در بارهای کاری سنگین | کاهش چشمگیر زمان پاسخدهی و افزایش روانی متن |
| سازگاری مدلها | نیازمند تطبیق درایورها و هستهها | پشتیبانی مستقیم از معماریهای GPT، DeepSeek و Kimi |
| مدل اقتصادی | حاشیه سود بالای تأمینکنندگان خارجی | کاهش هزینه پردازش برای هر درخواست کاربر |
استراتژی «فولاستک»؛ چرا نرمافزار بهتنهایی کافی نیست؟
سارا فرایر (Sarah Friar)، از مدیران ارشد OpenAI، رویکرد این شرکت را استراتژی «فولاستک» (Full Stack) توصیف کرده است. پیشرفت در هوش مصنوعی زمانی سریعتر و تصاعدی میشود که تمام لایههای اکوسیستم بهطور هماهنگ رشد کنند. این چرخه شامل بخشهای زیر است:
- طراحی سختافزار و حافظه: تراشههایی که دقیقاً بر اساس نیاز محاسباتی مدلهای خود شرکت طراحی شدهاند.
- نرمافزار خدمترسانی و شبکه: بهینهسازی ارتباط میان هزاران نود پردازشی برای جلوگیری از گلوگاه داده.
- مدلهای مرزی (Frontier Models): ساخت مدلهایی که برای رسیدن به پاسخ درست، تلاش محاسباتی کمتری نیاز دارند.
- پلتفرم توسعهدهندگان و دستگاههای بومی AI: بستری که تقاضا را افزایش داده و بازخورد واقعی برای بهبود مجدد سختافزار ارائه میکند.
«وقتی مدل، نرمافزار، تراشه، حافظه و شبکه را با هم مهندسی میکنیم، بهرهوری، سرعت و هزینه بهصورت یک سامانه واحد و یکپارچه جهش مییابند.»
تنوع زنجیره تأمین؛ حفظ ارتباط با انویدیا و ورود شرکای جدید
توسعه چیپ Jalapeño به این معنا نیست که OpenAI به همکاری خود با انویدیا پایان میدهد. حفظ تعادل در «مرز پارتو» (Pareto Frontier) استراتژی اصلی این شرکت است؛ یعنی استفاده از بهترین ترکیب سرعت، کارایی، قابلیت اطمینان و قیمت در هر لحظه. به همین منظور، پورتفولیوی سختافزاری و ابری OpenAI شامل بازیگران متعددی است:
- انویدیا و مایکروسافت: ستونهای اصلی آموزش مدلهای سنگین و زیرساخت ابری Azure.
- توسعهدهندگان سیلیکون و سرور: همکاری با Broadcom، AMD، Cerebras و CoreWeave.
- زیرساخت انرژی و دیتاسنتر: همکاری با اوراکل، سافتبانک و SB Energy برای تأمین پایدار گیگاواتها توان مصرفی.
علاوه بر سختافزار، پروژههای دیتاسنتری پیشرفته مانند Project Camellia در ایالت جورجیا نشان میدهند که معماری پایگاههای داده نیز بازطراحی شده است؛ از جمله استفاده از سامانههای خنککننده مداربسته برای به حداقل رساندن مصرف آب و تأمین منافع اقتصادی جوامع محلی.
پیامدهای این تحول برای بازار جهانی و کاربران
اقدام اخیر OpenAI فشار رقابتی بر سایر غولهای فناوری مانند گوگل (با تراشههای TPU)، آمازون (تراشههای Trainium و Inferentia) و متا (تراشههای MTIA) را دوچندان میکند. پیامدهای مستقیم این تغییر معماری در سه سطح خود را نشان خواهد داد:
- کاهش قیمت سرویسهای مبتنی بر API: کاهش هزینه سختافزاری به توسعهدهندگان امکان میدهد اپلیکیشنهای هوش مصنوعی را با هزینه کمتری عرضه کنند.
- ظهور ابزارهای هوش مصنوعی بلادرنگ (Real-time Agents): کاهش تأخیر در پاسخدهی راه را برای دستیارهای صوتی بدون وقفه و کارگزاران خودران هموار میکند.
- تغییر موازنه قدرت در والاستریت: تنوعبخشی به پردازندهها مانع از انحصار مطلق تولیدکنندگان سختافزار شده و ساختار قیمتگذاری دیتاسنترها را منطقیتر میکند.
جمعبندی
توسعه تراشه اختصاصی Jalapeño و پیادهسازی استراتژی فولاستک، نشاندهنده بلوغ OpenAI از یک آزمایشگاه تحقیقاتی به یک غول زیرساختی کامل است. این همگرایی میان تراشه، نرمافزار و مدل، نویدبخش عصری است که در آن هوش مصنوعی نه یک منبع گرانقیمت، بلکه یک ابزار ارزان، پرسرعت و در دسترس برای تمامی کاربران و صنایع خواهد بود.
سؤالات متداول
تراشه Jalapeño چیست و چه کاربردی دارد؟
ژالاپنیو (Jalapeño) نخستین تراشه سیلیکونی اختصاصی OpenAI است که برای تسریع و کاهش هزینه مرحله استنتاج (Inference) و تولید پاسخ در مدلهای هوش مصنوعی طراحی شده است.
آیا OpenAI خرید پردازندههای انویدیا را متوقف خواهد کرد؟
خیر؛ OpenAI اعلام کرده که همچنان به استفاده از پردازندههای انویدیا و خدمات ابری مایکروسافت برای آموزش مدلهای سنگین ادامه میدهد و تراشه اختصاصی خود را در کنار سایر گزینهها برای بهینهسازی هزینهها به کار میگیرد.
شاخص TBT که در عملکرد تراشه Jalapeño مطرح شده به چه معناست؟
شاخص Time-Between-Tokens یا زمان میان تولید هر توکن، معیاری برای سنجش تأخیر و روانی پاسخدهی مدل است؛ هرچه این زمان کمتر باشد، متن با سرعت بیشتری در برابر کاربر تایپ و تولید میشود.
تراشه جدید OpenAI روی چه مدلهایی آزمایش شده است؟
این تراشه علاوه بر مدل GPT-OSS 120B، روی مدلهای پیشرفته دیگری نظیر DeepSeek R1 و Kimi K2 نیز با موفقیت بنچمارک شده است.
