OpenAI が 2026 年 6 月、初となるカスタム設計のコンピュータチップ「Jalapeño（ハラペーニョ）」を Broadcom との共同開発により発表しました。このチップは、ChatGPT などの LLM を「推論」（ユーザーの質問に対して回答を生成する段階）で高速・効率的に動作させるために特化設計されたものです。

Jalapeño の設計思想

OpenAI は、現在の AI インフラのボトルネックを特定し、それを解決するために Jalapeño を設計しました。

具体的には、以下の課題に対応：

  • 従来チップの非効率性：汎用チップ（NVIDIA GPU など）は、LLM 推論のワークロードに完全には最適化されていない
  • 電力消費の多さ：推論を大規模に実行する際、電力コストが事業採算性に直結
  • スケーラビリティの限界：デジタルに複数の推論タスクを並行実行する際の管理複雑性

Jalapeño は、これらの制約を念頭に設計された、推論専用チップ です。

パフォーマンス——性能/ワット比で最先端

OpenAI の発表では、Jalapeño が以下を達成したと述べています：

「従来の最先端ソリューションと比較して、有意に高い性能/ワット比を実現」

つまり、同じ電力消費で、より多くの推論タスクをこなしたり、同じタスク負荷でより少ない電力で実行できるということです。

OpenAI は特に リアルタイムコーディングモデル（ChatGPT の Code Interpreter など）の運用コスト低下 を強調しており、これらが「より高速で信頼性が高く、コスト効率的」になることを目指しています。

開発プロセス——AI 自身も参与

興味深い点は、Jalapeño の設計プロセスにおいて、OpenAI の AI モデル自身が参加したことです。チップ設計の最適化に AI を活用することで、反復開発のサイクルを短縮し、より洗練された設計に到達しました。

現在の状況と今後

発表時点では、Jalapeño は 「テスト・検証段階（still being tested）」 にあります。

具体的な実運用への展開時期は明言されていませんが、以下が想定されています：

  • 社内システム（ChatGPT の推論サーバーなど）への統合
  • 段階的な容量増強
  • Broadcom との製造・供給チェーンの確立

AI インフラ競争の激化

このチップ発表は、AI 業界が急速に成熟化し、「汎用」から「特化」へシフトしていることを象徴しています。

  • Google：TPU という独自推論チップで既に先行
  • Amazon：Trainium・Inferentia チップで投資拡大
  • Meta：自社設計チップへの投資強化

OpenAI が Broadcom と組んで Jalapeño を開発したことは、独立系 AI ラボが 単なるモデル開発を超えて、ハードウェアレベルでのエコシステム構築 に乗り出したことを示しています。

アップデート（6月27日）

カスタムチップ開発は OpenAI だけに留まりません。業界全体で独自チップへのシフトが加速しており、Nvidia の長期的な市場支配は終わりへ向かっています。

SpaceX：Terafab で自社チップファブリケーション

SpaceX は単なる自社チップ購買ではなく、独自のチップ製造施設「Terafab」構想 を推進中。Starship 向けエンジニアリングの知見を半導体製造に応用する野心的な計画です。

Apple：Intel 脱却による劇的な性能向上

Apple は Intel から脱却し独自の Silicon（M シリーズ）を開発。この転換により：

  • 単一ベンダー依存の排除
  • ハードウェアがニーズに最適化
  • マッキントッシュ全製品で顕著なパフォーマンス向上 を実現

Apple の例は、カスタムシリコンがもたらす競争優位が極めて大きいことを実証してみせました。

業界トレンド：Nvidia 支配の終焉か

複数の大型テック企業が同時にカスタムチップ開発に投資している背景には：

  1. 単一サプライヤーリスクの回避
  2. 用途特化型の最適化 による性能向上
  3. 長期的なコスト削減（自社設計→量産段階での製造効率化）

Nvidia は引き続き高性能 GPU で圧倒的地位を保ちますが、「完全な市場支配」から「戦略的ヘッジの対象企業」へと産業地位が転換しつつあります。

OpenAI の Jalapeño 発表から数日で複数のテック企業がカスタムシリコン構想を加速させるニュースが相次いだことは、AI インフラ戦争が新しいフェーズ（「AI 推論の効率化」→「ハードウェア自給体制」）に移行したことを示唆しています。

アップデート（8月26日）：Hot Chips で具体的なベンチマークを公開

OpenAI は8月25日、半導体業界カンファレンス「Hot Chips」で Jalapeño の詳細設計とベンチマーク結果を初めて公開した。テスト段階だった6月の発表から一歩進み、実際の性能数値が明らかになった。

SemiAnalysis のベンチマークで最先端に

第三者機関 SemiAnalysis が実施した推論ベンチマーク「InferenceX」で、Jalapeño は現行の Nvidia Blackwell システムと比較して次の点で優位を示した。

  • ユーザーあたりのトークン処理数で現行の最先端システムを上回る
  • キロワットあたりのスループットでも優位を確保

OpenAI はこれを「Nvidia Blackwell システムに対する非常に大きな性能進歩」と説明している。

設計上の工夫

Jalapeño は、推論処理特有のボトルネックである「データ移動と通信遅延」の最小化に焦点を当てて設計されている。具体的には、プリフィル（入力処理）フェーズと通信フェーズのボトルネックを排除し、KV キャッシュをチップ内にローカル保持することで効率を高めている。

展開スケジュールが明確に

6月時点では「テスト段階」としか説明されていなかった展開時期についても、初めて具体的な見通しが示された。

  • 2026年末：限定的な展開を開始
  • 2027年以降：本格的な運用を開始

Broadcom との協業で開発された Jalapeño は、設計プロセスに OpenAI 自身の AI モデルが活用された「マルチジェネレーション プラットフォーム」と位置づけられている。今回の発表により、OpenAI が独自チップ戦略を単なる構想から実運用フェーズへと着実に進めていることが裏付けられた。ChatGPT や API の応答速度・コスト構造が今後どう変化するか、2026年末の限定展開が最初の試金石になる。

アップデート（8月26日追記）：具体的なスループット数値とNvidia Rubinとの比較が判明

Hot Chips での発表内容がさらに詳しく明らかになった。Jalapeño はピーク時のスループットでワットあたり 1.5〜1.9 倍の処理量を実現し、レイテンシは最良の商用システム比で1.7〜3.6 倍改善、対話的な処理速度は2.1〜4.1 倍高速という。

具体的なスループット実績も公開された。

  • GPT-OSS 120B：約 1,400 トークン/秒
  • DeepSeek R1 670B（単一リクエスト）：約 700 トークン/秒
  • デコード速度を合わせた場合、キロワットあたり 54〜104 倍のトークンスループットを達成

設計から完成までは約 9 ヶ月、開発全体では約 16 ヶ月を要したとしている。

比較対象として Nvidia の現行 Blackwell に加え、次世代プラットフォーム「Vera Rubin」との比較も新たに示された。OpenAI は「Jalapeño はメガワットあたりの出力トークン数で Vera Rubin を上回る」と主張する一方、Rubin はまだ Jalapeño が採用していない「マルチトークン予測」という最適化技術を使っているため単純比較は難しく、総所有コスト（TCO）ではほぼ同等になるとも説明されている。次世代 Nvidia チップとの比較まで踏み込んだことで、OpenAI が独自チップを単なる補完ではなく Nvidia の主力製品と正面から競わせる姿勢がより鮮明になった。