Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
OpenAI ya no solo diseña modelos. Desde el 24 de junio de 2026 también tiene chip propio, Jalapeño, una pieza creada junto a Broadcom que coloca a la compañía en un terreno mucho más físico, el del silicio, la memoria y los milisegundos que tarda una respuesta en llegar al usuario.
Jalapeño nació deprisa y con un equipo pequeño
Del concepto arquitectónico al silicio pasaron menos de 20 meses, y del código a la fabricación apenas nueve. En un sector donde los calendarios suelen medirse con otra calma, esa velocidad ayuda a entender por qué OpenAI apoyó la escritura de código en herramientas de inteligencia artificial como XLS.
Menos de 100 personas formaron de media el equipo de diseño.
Richard Ho, vicepresidente de hardware de OpenAI, sitúa ahí una parte de la explicación.
"los modelos están dando superpoderes a nuestros ingenieros" - Richard Ho, vicepresidente de hardware de OpenAI
No significa, sin embargo, que la máquina hiciera todo el trabajo. OpenAI llevó el diseño de sistema, Broadcom asumió la parte física y la fase posterior dependió en gran medida de esa colaboración con ingenieros humanos, un reparto que recuerda a la guerra por el silicio que atraviesa hoy a toda la industria.
Chris Leary, de OpenAI, describe mejor dónde rindió la ayuda automática.
"a la IA se le daba mucho mejor lo que parecía software... XLS en cierto modo se parece a software, así que se benefició de eso" - Chris Leary, de OpenAI
El chip empuja donde cada milisegundo cuenta
Jalapeño alcanza hasta 13,4 petaflops de cómputo en 4 bits. A esa cifra suma acceso a 232 gigabytes de memoria y una conexión con ella de 15,4 terabytes por segundo, tres datos que hablan menos de marketing y más de una obsesión muy concreta, mover información sin perder tiempo por el camino.
Ahí aparece el dato más visible para quien usa sistemas de IA a diario.
El chip reduce la latencia de extremo a extremo hasta 3,6 veces frente a la GB300 de Nvidia y además consume menos energía. Dicho de otra forma, OpenAI no solo busca potencia bruta, también intenta que la respuesta llegue antes y cueste menos mantenerla encendida.
OpenAI repartió el trabajo y acotó el alcance
La compañía se ocupó del diseño de sistema mientras Broadcom llevó la parte física, y TSMC fabrica el chip. Esa división del trabajo permite leer Jalapeño no como una aventura solitaria, sino como una pieza de infraestructura ensamblada entre especialistas con tareas muy distintas.
Después de la euforia inicial, Ho introdujo un límite que conviene no pasar por alto.
"No estamos diciendo que cualquiera pueda venir y construir chips aceleradores de IA/ML de última generación usando solo Codex. Estamos diciendo cosas muy concretas sobre cómo sacarle más partido a Codex, y cómo nos hemos centrado en un equipo pequeño y en plazos rápidos para lograr resultados de calidad" - Richard Ho, vicepresidente de hardware de OpenAI
La frase rebaja una fantasía bastante extendida, la de imaginar que bastaría con pedirle a un modelo que escriba hardware como quien encarga una página web. En realidad, la IA aceleró sobre todo la parte del trabajo que se parecía al software, mientras el tramo posterior siguió descansando en Broadcom y en ingenieros humanos.
Esa mezcla de automatización y oficio también encaja con las pruebas de latencia frente a Nvidia, donde el detalle técnico importa tanto como la estrategia industrial.
Al final, la imagen más nítida no es la de una IA diseñando sola su propio cerebro, sino la de un equipo de menos de 100 personas que llevó un chip desde la arquitectura hasta el silicio en menos de 20 meses y lo hizo para arañar hasta 3,6 veces menos latencia frente a la GB300 de Nvidia.