Sam Altman le acaba de declarar la guerra abierta y directa al monopolio absoluto de Jensen Huang. Y es que OpenAI ha presentado de forma oficial su primer chip de Inteligencia Artificial personalizado de desarrollo propio, bautizado con el picante nombre de Jalapeño. Diseñado codo con codo junto a los ingenieros de Broadcom y enviado secretamente a las fundiciones de TSMC para su fabricación, este silicio nace con un único objetivo: dinamitar la dependencia extrema que la compañía tiene de las GPU de NVIDIA y recortar unos costes operativos que ya eran insostenibles.
Al descubierto Jalapeño: El chip de OpenAI optimizado para inferencia que desafía a Blackwell
Los laboratorios de IA más potentes del planeta se enfrentan al mismo cuello de botella de hardware: los modelos lingüísticos exigen una potencia de procesamiento absurda y las tarjetas gráficas del mercado son escasas y prohibitivas. La respuesta de OpenAI ha sido diseñar su propio circuito integrado en un tiempo récord de nueve meses.
La telemetría técnica que ha trascendido tras su debut revela que no estamos ante un experimento de laboratorio perezoso, sino ante una bestia orientada específicamente a la inferencia de IA:
- Rendimiento de gama alta: El director ejecutivo de Broadcom, Hock Tan, ha asegurado sin despeinarse que la potencia bruta de Jalapeño es directamente comparable a los chips Blackwell de NVIDIA y a las codiciadas TPU de Google.
- Especialización en LLMs: Richard Ho, responsable de hardware de OpenAI, ha confirmado que la arquitectura de Jalapeño está optimizada quirúrgicamente para modelos de lenguaje de gran tamaño, permitiendo ejecutar peticiones de software de forma mucho más rápida y eficiente.
- Fuego real con GPT-5.3: Los laboratorios ya han testado las primeras muestras físicas bajo el modelo GPT-5.3-Codex-Spark, confirmando que tanto el consumo de vatios como la tasa de transferencia de datos han cumplido con los objetivos de diseño.
- Uso 100% interno: El hardware (cuyo sistema de servidores será fabricado por Tianhong Technology) no se venderá de forma externa a ninguna empresa; será de uso exclusivo y privado para la infraestructura interna de OpenAI. Su lanzamiento oficial está pautado para finales de este año.
Mucho «Jalapeño», pero la memoria RAM se come los beneficios
Nos apasiona la arquitectura de silicio a medida, nos parece una delicia de ingeniería que hayan cerrado el diseño de un chip de esta magnitud en apenas nueve meses y aplaudimos que OpenAI intente romper las cadenas que le atan a la chaqueta de cuero de NVIDIA. Es un paso vital para la sostenibilidad de la Inteligencia Artificial que analizaremos minuciosamente en nuestro canal de YouTube. Eso sí, Sam Altman se las promete muy felices, pero la física de los componentes le acaba de dar un bofetón de realidad.
Está espectacular presumir en la presentación de que vas a fabricar tus propios procesadores para no pagarle el impuesto de lujo a NVIDIA. Pero la letra pequeña de este hardware es dolorosa: Jalapeño es un chip tragoncito de memoria de banda ancha (HBM), y Broadcom ya ha alertado de que el auge salvaje de la IA ha encarecido tanto estos módulos que sus márgenes de beneficio con estos chips personalizados se han desplomado en comparación con los conmutadores de red tradicionales.
OpenAI depende de que SK Hynix y Samsung Electronics le suministren la memoria a tiempo en este 2026 de escasez absoluta. Además, reducir la dependencia de NVIDIA desarrollando tu propio chip es una jugada preciosa sobre el papel, pero si necesitas que TSMC te fabrique las obleas en las mismas líneas de producción saturadas que usa la propia NVIDIA, el cuello de botella sigue estando exactamente en el mismo callejón de Taiwán. ¡Mucho picante en el nombre, pero los límites de la cadena de suministro los siguen imponiendo los de siempre!
El fin del pensamiento único en las granjas de servidores
Pese a los retos de la memoria, este debut es una noticia fantástica para evitar el estancamiento de la IA. Que OpenAI demuestre que se puede diseñar un chip equivalente a Blackwell en menos de un año abre el camino para que otros laboratorios sigan el mismo camino de la personalización absoluta de hardware.
Al final, cuando el software y el silicio se diseñan en la misma mesa de dibujo, la eficiencia por vatio se dispara y los modelos de lenguaje se vuelven más rápidos y económicos para el usuario de a pie. La era del monopolio absoluto de las tarjetas de vídeo tradicionales empieza a resquebrajarse y nosotros estamos aquí para medir la caída de las frecuencias.
Déjanos tu opinión en los comentarios y únete a la discusión en Instagram, Facebook y YouTube.
