OpenAI、独自推論チップ「Jalapeño」を発表—Broadcom製、9ヶ月の開発で実現

OpenAI 初のカスタムチップ誕生—推論専用 ASIC の狙いとは

OpenAI と Broadcom は 2026年6月24日、OpenAI 初となるカスタム推論プロセッサ「Jalapeño」を発表しました（出典）。このチップは OpenAI が設計を主導し、Broadcom が実装・統合パートナーとして製造を担当したものです。

Jalapeño は「訓練用アクセラレータを転用したもの」ではなく、LLM 推論の実践的なボトルネック解決を目的に「ゼロから設計された推論専用 ASIC」です。

OpenAI が重視しているのは、現在の GPU アクセラレータがしばしば汎用設計である点です。Jalapeño は以下の要素を最適化したと述べられています：

• データ移動コストの削減：メモリバンド幅の効率的な利用
• 計算とメモリのバランス：HBM（High Bandwidth Memory）を 6 モジュール搭載
• ネットワーク効率：分散推論の遅延を考慮した設計
• 推論パターンの最適化：GPT など実際の LLM ワークロードに基づく

特筆すべきは、高スループットと低遅延を両立させるため、安価な DRAM ではなく HBM を採用した 点です。これは理由型推論（reasoning）やエージェント AI ワークロードで、応答性能が重要だからと推察されます。

仕様はベール に包まれたまま—9ヶ月での高速開発が実現

現時点で OpenAI と Broadcom が公開している情報は限定的です。発表時点で明かされていない項目：

• 動作周波数、消費電力の具体値
• ピーク性能（TFLOPS など）
• メモリ構成の詳細
• 比較対象となるベンチマーク結果

「性能/電力が既存の最先端ハードウェアより大幅に優れている」との主張は、検証可能な数値なしで提示されています。

ただし、エンジニアリングサンプルは既に OpenAI の施設で「目標周波数と電力で動作中」であり、GPT-5.3-Codex-Spark など実際の LLM ワークロードでテスト中とのことです（出典）。OpenAI は今後、詳細なパフォーマンスレポートを公開する予定と述べています。

注目すべきは、この開発が わずか 9ヶ月 で実現されたという事実です。通常、カスタムシリコンの設計・製造には 12〜18ヶ月以上を要するため、このタイムラインは異例です。開発を加速させた背景として、OpenAI 自身の AI モデルが設計プロセスに活用されたと報告されており（出典）、AI が AI チップ開発を支援する実例となっています。

チップの物理構成から読み解く設計思想

Wafer イメージから判明していることをまとめると、Jalapeño は以下の構成を持つと考えられます：

このレイアウトからは、Broadcom の Systolic Array ベースの設計テンプレートを踏襲しつつも、LLM 推論の特性に合わせた最適化が施されていると推測されます。テンソルコア領域の規則的な繰り返しパターンは、行列演算への特化を示唆しています。

Reticle サイズ（最大設計領域）を活用した大規模チップレットの採用により、単位面積当たりの計算密度を極限まで高めている可能性が高いです。

業界への含意—Nvidia 依存の脱却戦略

Jalapeño の発表は、OpenAI の 経営・技術戦略の転機 を示しています。Google や Amazon が既に自社カスタムチップ（TPU、Trainium など）で LLM 推論を最適化している中、OpenAI も同じ道を歩むことになりました。

これにより考えられる影響：

• Nvidia への依存低減：推論コストの低下 → 利益率向上
• 他社との競争力強化：チャットGPT など自社サービスの運用コスト削減が、サービス価格競争力につながる可能性
• 業界標準形成への参加：OpenAI がチップ開発に参入することで、「LLM 推論に最適なアーキテクチャとは何か」という業界議論を主導できる

もっとも、現在の市場では NVIDIA の H100・H200 や AMD の MI350 といった既製品が量産体制に入っているため、Jalapeño が本当に競争力を持つには、実装段階での性能検証と量産体制の構築が不可欠です。

また、NVIDIA Rubin や AMD MI400 といった次世代チップとの直接対比も、Jalapeño の真の実力を評価する上で重要になるでしょう。