AIモデルの性能が高まるほど、それを大量のユーザーへ低遅延・低コストで届ける計算基盤の重要性も増します。OpenAIが初の自社推論チップJalapeñoで狙うのは、NVIDIA製GPUの置き換えなのでしょうか。それとも、モデルからハードウェアまで一体で最適化する新しい競争軸なのでしょうか。
2026年8月25日、OpenAIは初のカスタム推論チップ「Jalapeño」の初期性能を公開した。
InferenceXでGPT‑OSS 120B、DeepSeek R1 670B、Kimi K2.5 1Tを評価し、比較システムに対してピーク時の電力当たり処理性能が1.5〜1.9倍、エンドツーエンド遅延が1.7〜3.6倍改善した。OpenAIはJalapeñoを2026年末までに自社計算基盤へ導入する計画だ。
From: 
Jalapeño’s first results show industry-leading speed and efficiency in AI inference
【編集部解説】
Jalapeñoの意味は「NVIDIAの代替」だけではない
今回の結果で注目すべきなのは、OpenAIが単に高性能なAIチップを1種類増やしたことではありません。OpenAIはJalapeñoを、モデル、製品、サービングソフトウェア、チップ、メモリ、ネットワークまで一体で設計する「フルスタック」の一部と位置付けています。
OpenAIは2025年10月、Broadcomとの協業で自社設計アクセラレーターを含むシステムを展開する方針を発表していました。Jalapeñoはその構想を実際のシリコンとして形にした最初の世代です。チップの実装やネットワーク技術ではBroadcom、ボードやラックシステムではCelesticaと協力しつつ、LLMのモデル構造やカーネル、メモリ移動、サービングパターンに関する知見をOpenAI側からハードウェア設計へ反映しています。
つまり、OpenAIが目指しているのは半導体メーカーとして独立することではなく、自社で日々処理しているAIワークロードに合わせて、インフラの各層を調整できる範囲を広げることだと考えられます。
速度と電力効率を同時に改善する
Jalapeñoの初期結果では、GPT‑OSS 120B、DeepSeek R1 670B、Kimi K2.5 1Tの3モデルで、比較対象に対してピーク時のワット当たり性能が1.5〜1.9倍、エンドツーエンドのレイテンシが1.7〜3.6倍改善しました。インタラクティブ性を重視した条件では2.1〜4.1倍の性能差を記録しています。
具体的には、GPT‑OSS 120BではNVIDIA GB200、DeepSeek R1 670BとKimi K2.5 1TではGB300を比較対象としており、Kimi K2.5ではピーク時のワット当たり性能が約1.5倍、エンドツーエンドのレイテンシが約3.4分の1になったとOpenAIは報告しています。
この2つを同時に改善できる点が重要です。大量のユーザーをまとめて処理する場合はスループットが重要ですが、ChatGPTの応答やAIエージェントのように処理を順番に繰り返す用途では、1回ごとの待ち時間も無視できません。OpenAIは、エージェントでは複数の処理段階の遅延が積み重なるため、単純な最大処理能力だけでなくレイテンシも重要だと説明しています。
ベンチマーク結果には確認しておくべき条件もある
一方、今回の数字をそのまま「JalapeñoがGPUより数倍高速」と一般化することはできません。
評価にはSemiAnalysisが公開するInferenceXが使われています。今回の数値はOpenAIが公表したものであり、OpenAI公式発表だけでは第三者による完全な再現検証までは確認できません。
また、電力効率の比較では各アクセラレーターの公称チップ消費電力を使って正規化しています。Jalapeñoの定格は700Wで、今回のワークロードで測定された持続消費電力は550W以下だったとされていますが、比較対象も含めたデータセンター全体の実消費電力を直接比較した値ではありません。
そのため、今回確認できたのは「OpenAIが想定するLLM推論ワークロードにおいて、自社設計の第1世代チップが有力な性能を示した」という段階までです。
OpenAIはNVIDIAをやめるわけではない
Jalapeñoの登場は、OpenAIがNVIDIAなどの外部アクセラレーターから全面的に移行するという意味でもありません。OpenAIはJalapeñoの発表と同時に、今後もNVIDIAを含むパートナーのアクセラレーターを訓練・推論の双方で広く導入すると明記しています。
OpenAIは別の公式発表でも、Microsoft、AWS、AMD、NVIDIA、Broadcom、Cerebrasなど複数のクラウド・半導体・インフラ企業を組み合わせ、用途と経済性に応じて計算資源を選択する方針を説明しています。直接制御することで利点が出る領域では自社設計し、外部エコシステムを使う方が速い領域では提携するという構成です。
Jalapeñoは、この選択肢の一つをOpenAI自身が持つためのチップと見る方が適切でしょう。
ユーザーへの影響は「チップを買えること」ではない
Jalapeñoは2026年末までにOpenAIの計算インフラへ導入される予定で、第2世代は開発が進み、第3世代も設計段階にあります。現時点の公式発表では、Jalapeñoを外部向け半導体として販売する計画や、Jalapeño専用のAPIプラン・料金体系は発表されていません。
したがって、日本を含む一般ユーザーや開発者にとって当面の変化は「Jalapeñoを直接使えるようになること」ではありません。OpenAIが説明する通り、推論コストや待ち時間を下げられれば、ChatGPTの応答速度、Codexの複数ステップ処理、APIサービスの提供コスト、需要集中時の処理能力などに反映される可能性があります。
Jalapeñoの初期結果が示したのは、OpenAIが「より良いモデルを作る」だけでなく、そのモデルを大量かつ低コストで動かすためのハードウェアまで設計対象にし始めたことです。第1世代の性能以上に、モデル開発とインフラ設計を同じ組織内で循環させられることが、この自社チップ戦略の核心だといえます。
【関連記事】
OpenAI×Broadcom、初の自社推論チップ「Jalapeño」発表─9ヶ月開発でNvidia依存に風穴
2026年6月のJalapeño初発表を扱った記事。チップの設計思想、開発期間、Broadcomとの協業体制を中心に整理している。
OpenAIが初の自社AIチップ開発、Broadcomと100億ドル契約－2026年内部利用で始動
Jalapeñoが正式発表される前の2025年時点で、OpenAIとBroadcomによる自社AIチップ開発を報道ベースで整理した記事。
Anthropic、Google TPU創設者アミール・サレク氏を採用｜自社チップ戦略が本格始動
競合AI企業Anthropicによる自社半導体開発の動きを扱った記事。AIモデル企業が計算基盤そのものへ設計領域を広げている業界動向を比較できる。
【編集部後記】
今回のJalapeñoを見ていると、AI競争はモデルの賢さだけを競う段階を明らかに越えつつあると感じます。
OpenAIが自前の推論チップまで持ち始めたことで、ソフトウェア企業というより巨大な計算基盤企業に近づいている印象です。
個人的には、NVIDIAを切るのではなく、使いながら自分たちの最適解も作るという姿勢がいちばん面白く感じました。
モデル、チップ、ネットワークを一つの設計思想で回せる企業が強くなるなら、今後のAI競争はますます総力戦になりそうです。
Jalapeño単体の勝ち負け以上に、OpenAIがどこまで「AIを動かす仕組み」そのものを自分たちの手に取り戻すのか。
しばらくはモデル発表以上に、こうした裏側のインフラ競争にも注目したいです。
【参考リンク】
OpenAI（外部）
ChatGPTやAPI、AIモデルに加え、Jalapeñoを含む計算インフラの開発も進めるAI企業。
Broadcom（外部）
Jalapeñoのシリコン実装やネットワーク技術などを担当する半導体・インフラソフトウェア企業。
Celestica（外部）
Jalapeñoのボード、ラック、システム統合などに関わる設計・製造企業。AI・クラウド向けデータセンター基盤を手掛ける。
NVIDIA（外部）
OpenAIが今後も訓練・推論で利用するとしているAIアクセラレーター大手。Jalapeñoの性能比較でもGB200、GB300が使用されている。
InferenceX by SemiAnalysis（外部）
AIアクセラレーターと推論ソフトウェアの性能を公開データで比較できるオープンソースの推論ベンチマーク。
【参考記事】
OpenAI and Broadcom unveil LLM-optimized inference chip｜OpenAI（外部）
2026年6月24日のJalapeño発表。設計思想、Broadcom・Celesticaとの役割分担、9カ月でのテープアウト、複数世代展開の計画を説明。
The full stack behind abundant intelligence｜OpenAI（外部）
モデル、ソフトウェア、チップ、データセンターを一体で最適化するOpenAIの計算基盤戦略と、自社チップを持つ意味を説明。
OpenAI and Broadcom announce strategic collaboration to deploy 10 gigawatts of OpenAI-designed AI accelerators｜OpenAI（外部）
2025年10月に発表されたBroadcomとの協業。OpenAI設計アクセラレーターを含む10GW規模のインフラ構想を説明。
【用語解説】
推論（Inference）
学習済みのAIモデルに入力を与え、回答や予測などの出力を生成する処理。ChatGPTへの質問に回答を返す処理も推論にあたる。
AIアクセラレーター
AIの学習や推論に必要な大量の行列演算などを高速に処理するための専用プロセッサ。GPUやTPU、Jalapeñoのような専用ASICなどが該当する。
スループット（Throughput）
一定時間内に処理できるデータ量。LLM推論では、1秒あたりに生成・処理できるトークン数などで表される。大量のユーザーを同時に処理するサービスでは重要な指標。
レイテンシ（Latency）
処理を要求してから結果が返るまでの遅延時間。AIチャットやエージェントでは、スループットが高くてもレイテンシが大きいと利用者の待ち時間が長くなる。
ワット当たり性能
消費電力に対してどれだけの処理能力を得られるかを示す指標。大規模AIデータセンターでは電力供給や冷却能力が制約になるため、チップ単体の最大性能と並ぶ重要な評価軸。
テープアウト（Tape-out）
半導体の設計データを確定し、製造工程へ引き渡す段階。OpenAIはJalapeñoについて、初期設計からテープアウトまでを9カ月で進めたとしている。
InferenceX
SemiAnalysisが運営するオープンソースのAI推論ベンチマーク。複数のAIアクセラレーターや推論ソフトウェアを対象に、スループット、レイテンシ、電力効率などを継続的に測定する仕組み。
