OpenAI تكشف عن Jalapeño: رقاقة استدلال 700W تتفوق على Nvidia

مقدمة تحليلية

في 25 أغسطس 2026، وعلى منصة Hot Chips، أعلنت OpenAI عن رقاقة Jalapeño، وهي معالج تطبيقات خاص بالذكاء الاصطناعي (ASIC) مخصص للاستدلال، بقدرة 700W. زعمت الشركة أن هذه الرقاقة، التي طُورت بالتعاون مع Broadcom، تتفوق على وحدات معالجة الرسوميات الرائدة من Nvidia، بما في ذلك GB300 التي تبلغ قدرتها 1,400W. قدمت OpenAI بيانات تشير إلى تحقيق Jalapeño كفاءة إنتاجية أعلى بما يتراوح بين 1.5 و1.9 مرة لكل كيلوواط، وزمن انتقال منخفض بما يتراوح بين 1.7 و3.6 مرة من أنظمة Nvidia GB200 وGB300 ضمن مجموعة اختبار InferenceX العامة من SemiAnalysis. يأتي هذا الإعلان بعد ما يزيد قليلاً عن أسبوع واحد من موافقة Nvidia على توفير تمويل يصل إلى 105 مليارات دولار لمراكز بيانات OpenAI، مما يضع العلاقة بين الشركتين في سياق معقد من التنافس والتعاون المالي المتبادل.

التحليل التقني

تستهدف رقاقة Jalapeño من OpenAI أحمال عمل الاستدلال، وهي لا تدعم تدريب النماذج، المجال الذي لا تزال فيه أجهزة Nvidia بلا منازع. زعمت OpenAI أن رقاقة Jalapeño بقدرتها المقدرة بـ 700W، والتي استقر استهلاكها الفعلي عند 550W أو أقل أثناء الاختبار، تجاوزت أداء مسرعات بقدرات 1,200W و1,400W. شملت الاختبارات ثلاثة نماذج مفتوحة المصدر: GPT-OSS 120B، وDeepSeek R1 670B، وKimi K2.5 من Moonshot AI، والذي يحتوي على تريليون معلمة. أبلغت OpenAI عن أوسع الفروقات في نقاط التشغيل ذات زمن الانتقال المنخفض، حيث زعمت تحقيق إنتاجية أعلى بما يتراوح بين 8.6 و104.3 مرة لكل كيلوواط عند أسرع إعدادات GB300 السابقة للوقت بين الرموز.

• الإنتاجية لكل كيلوواط: 1.5x إلى 1.9x أعلى من Nvidia GB200/GB300.
• زمن الانتقال من النهاية إلى النهاية: 1.7x إلى 3.6x أقل من Nvidia GB200/GB300.
• أقصى كفاءة: 8.6x إلى 104.3x إنتاجية أعلى لكل كيلوواط عند نقاط زمن الانتقال المنخفض.
• الطاقة الإجمالية للرقاقة: Jalapeño 1.18kW مقابل 2.55kW لـ GB300.
• مقارنة التنبؤ متعدد الرموز: تتقلص ميزة الكفاءة إلى حوالي 1.5x.

كل حزمة من رقائق Jalapeño، التي كُشف عنها في يونيو بعد دورة تصميم من RTL إلى Tapeout بلغت تسعة أشهر، تدمج شريحة المعالجة مع ست حزم HBM4، بإجمالي سعة 216 GiB ومعدل نقل بيانات 15.4 TB/s. على النقيض، تحمل GB300 ذاكرة HBM3E بسعة 288GB وبقدرة 1,400W. هذا يعني أن رقاقة OpenAI توفر حوالي 50% المزيد من الذاكرة لكل واط من الطاقة المقدرة. الهدف المعماري الرئيسي لـ Jalapeño، بحسب عرض OpenAI في Hot Chips، هو “إظهار” عرض النطاق الترددي التراكمي لذاكرة HBM، وليس فقط زيادته. هذه منهجية تصميم حاسمة في سياق الاستدلال، حيث يمكن أن تكون القيود في كيفية وصول المعالج إلى البيانات داخل الذاكرة بنفس أهمية الكمية الإجمالية للذاكرة أو عرض النطاق الترددي الخام. وصف SemiAnalysis، الذي أجرى اختبارات InferenceX بالتعاون مع مهندسي OpenAI في مختبر الشركة، الرقاقة بأنها “تتفوق على كل رقاقة من Nvidia وAMD وGoogle تمكنا من اختبارها”.

السياق وتأثير السوق

تشير أرقام الأداء المبلغ عنها إلى تحول محتمل في مشهد رقائق الاستدلال، لكن السياق الأوسع للسوق يكشف عن تعقيدات. تعتمد OpenAI على عملية TSMC 3nm-class، مما يضعها في نفس قوائم الانتظار الخاصة بالرقائق والذاكرة والتغليف المتقدم مثل Nvidia Blackwell وRubin. تعد الذاكرة ذات النطاق الترددي العالي (HBM) سلعة نادرة، حيث باعت Samsung وSK hynix وMicron طاقتها الإنتاجية بالكامل حتى عام 2027. حذر Kwak Noh-jung، الرئيس التنفيذي لشركة SK hynix، من أن عام 2027 سيكون الأسوأ في أزمة HBM، بينما أفادت Micron في مؤتمر Hot Chips نفسه في 23 أغسطس أن HBM تستهلك حوالي ثلاثة أضعاف مساحة الويفر مقارنة بذاكرة DDR5 لنفس السعة. اتفاقية النشر الموقعة بين OpenAI وBroadcom في أكتوبر الماضي لتوزيع 10GW من رقائق Jalapeño ستجعل OpenAI مطالبًا جديدًا وكبيرًا بإمدادات HBM4، التي تهيمن عليها Nvidia حاليًا من خلال صفقات تخصيص متعددة السنوات مع SK hynix.

لم تُختبر Jalapeño مقابل Vera Rubin، منصة Nvidia المخصصة لتشغيل أول جيجاوات من أنظمة Nvidia التي وافقت OpenAI على نشرها في النصف الثاني من عام 2026. علاوة على ذلك، استخدمت المقارنات الرئيسية غالبًا تنبؤًا أحادي الرمز لـ Jalapeño مقابل تكوينات GB300 تقوم بنفس الشيء، على الرغم من أن عمليات نشر Nvidia تستخدم عادةً تنبؤًا متعدد الرموز في الإنتاج، مما قد يقلل من الفارق في الأداء الفعلي. في 17 أغسطس، وافقت Nvidia على توفير تمويل يصل إلى 105 مليارات دولار لمركز بيانات تستأجره OpenAI في أوهايو، مما يعمق اعتماد OpenAI المالي على الشركة التي قامت للتو بمقارنة رقائقها. صرح ريتشارد هو، نائب رئيس الأجهزة في OpenAI، لبلومبرج بعد الإعلان: “Nvidia شريك جيد حقًا، ونحن بحاجة ماسة إلى الكثير من Nvidia”. يتوقع إصدار رقاقة من الجيل الثاني خلال أشهر، بينما يجري العمل على مفهوم الجيل الثالث.

رؤية Glitch4Techs

تُظهر أرقام أداء Jalapeño المعلنة عن تقدم تقني كبير في مجال رقائق الاستدلال، حيث توفر كفاءة عالية لكل واط وزمن انتقال منخفض، وهو أمر حاسم لتطبيقات الذكاء الاصطناعي على نطاق واسع. ومع ذلك، فإن السرد القائل بأن هذه الرقاقة تمثل تحديًا مباشرًا أو استقلالًا استراتيجيًا عن Nvidia هو سرد معيب بشكل أساسي. إن اعتماد OpenAI المالي العميق على Nvidia، ممثلًا باتفاقية التمويل البالغة 105 مليارات دولار لمراكز البيانات، يعرض أي ادعاء بالاستقلال التقني للخطر. لا تزال OpenAI بحاجة ماسة إلى Nvidia لأحمال عمل التدريب وللبنية التحتية الأساسية، مما يحول Jalapeño من رمز للاستقلالية إلى مجرد تحسين تكميلي ضمن نظام بيئي تهيمن عليه Nvidia. هذا الاعتماد المزدوج يحد بشكل كبير من قدرة Jalapeño على تعطيل هيمنة Nvidia على المدى الطويل، ويؤكد أن OpenAI، على الرغم من براعتها الهندسية، لا تزال أسيرة لأقوى مورد في الصناعة.