OpenAI pada 25 Agustus 2026 mempublikasikan hasil pengujian pertama akselerator inferensinya sendiri, Jalapeño. Pada benchmark publik InferenceX dari SemiAnalysis, sistem dengan chip baru ini menunjukkan 1,5–1,9 kali lebih banyak komputasi per watt pada puncak throughput dan mengurangi latensi respons sebesar 1,7–3,6 kali dibandingkan sistem berbasis Nvidia GB200 dan GB300. Pengujian dilakukan pada model GPT-OSS-120B, DeepSeek R1, dan Kimi K2.5. Bagi perusahaan yang setiap hari melayani arus permintaan besar dari ChatGPT, Codex, dan API-nya sendiri, performa semacam ini secara langsung terkait dengan biaya per respons.
Chip ini dirancang untuk daya nominal 700 watt, dengan konsumsi daya berkelanjutan pada beban yang diuji tetap pada level hingga 550 watt. Satu blok yang terdiri dari 128 Jalapeño diklaim memiliki kapasitas komputasi 1,7 eksaflop dalam format 4-bit.
Di Mana Kemandirian dari Nvidia Berakhir
Jalapeño dikembangkan bersama dengan mitra: Broadcom bertanggung jawab atas implementasi die dan bagian jaringan, Celestica — untuk papan dan rak. Dari awal desain hingga penyerahan desain ke produksi memakan waktu sembilan bulan. Penerapan chip di infrastruktur OpenAI direncanakan pada akhir 2026, dan Jalapeño sendiri akan menjadi generasi pertama dalam platform multi-tahun dengan perluasan berikutnya.
Akselerator universal Nvidia terpaksa melayani beragam klien dan jenis tugas. Jalapeño dirancang khusus untuk beban kerja yang dihasilkan, diukur, dan dapat diubah oleh OpenAI sendiri bersama dengan tumpukan perangkat lunaknya — seputar model bahasa mereka sendiri, inti komputasi, pergerakan data, memori, dan pertukaran jaringan.
Skala Ditargetkan 10 GW
Landasan untuk seluruh program ini adalah perjanjian antara OpenAI dan Broadcom, di mana kedua pihak menyepakati penerapan 10 GW akselerator yang dikembangkan sendiri oleh OpenAI. Pemasangan rak akan dimulai pada paruh kedua 2026 dan berlangsung hingga akhir 2029. Pada daya sebesar itu, perbedaan dalam watt dan milidetik berhenti menjadi karakteristik laboratorium dan berubah menjadi pos pengeluaran untuk listrik, pendinginan, memori, jaringan, rak, dan luas pusat data.
Sementara itu, OpenAI tidak sepenuhnya meninggalkan pemasok eksternal:
- pelatihan model terdepan masih memerlukan akselerator eksternal;
- produksi massal Jalapeño bergantung pada mitra manufaktur, memori, pengemasan, dan perakitan;
- perusahaan akan terus menggunakan chip Nvidia dan pemasok lainnya secara luas — baik untuk pelatihan maupun sebagian inferensi.
Batas proyek ini karenanya jelas: OpenAI mempertahankan rantai pasokan eksternal, tetapi mengambil alih arsitektur perangkat keras untuk arus komputasi harian terbesar mereka.
Ekonomi Inferensi
Perbedaan antara chip milik sendiri dan pembelian GPU melampaui konsumsi energi. Nvidia menyelesaikan tahun fiskal 2026 dengan pendapatan $215,9 miliar dan margin kotor 71,1%, dan segmen pusat datanya tumbuh 68% year-on-year — data ini tercermin dalam pelaporan perusahaan kepada Komisi Sekuritas dan Bursa (SEC). Pembeli GPU membayar tidak hanya untuk peralatan itu sendiri, tetapi juga keuntungan komersial pemasok di atasnya.
OpenAI membangun chip sebagai komponen internal layanannya sendiri dan mendapatkan manfaat dari penurunan biaya penuh pemrosesan permintaan, bahkan tanpa markup pasar terpisah pada prosesor itu sendiri. Sebagian biaya yang sebelumnya tersisa di pemasok akselerator universal, perusahaan coba ubah menjadi penghematan mereka sendiri dan kapasitas komputasi tambahan.
Inferensi yang lebih murah dan cepat memungkinkan tugas-tugas agen berjalan lebih lama, melayani lebih banyak permintaan paralel, dan menurunkan biaya produk tanpa pertumbuhan proporsional jumlah pusat data. Peningkatan penggunaan layanan, pada gilirannya, meningkatkan pemanfaatan platform mereka sendiri dan membuat generasi berikutnya dari chip khusus lebih terjustifikasi secara ekonomi.
Jalapeño mengubah posisi OpenAI dalam rantai infrastruktur AI: perusahaan sebelumnya sudah mengendalikan model, tumpukan perangkat lunak, dan produk, dan sekarang mendapatkan kendali atas arsitektur prosesor, yang mempengaruhi harga respons. Nvidia mempertahankan pasar pelatihan model dan akselerator universal, tetapi segmen kerja paling massal OpenAI berhenti menjadi penjualan terjamin baginya.
Opini AI
Dari sudut pandang analisis data mesin, kasus Jalapeño mengulangi lintasan yang sebelumnya sudah dilalui oleh pemimpin industri lain sebelum OpenAI. Anthropic mengambil komitmen atas satu juta TPU dari Google pada Oktober 2025, dan Midjourney memindahkan generasi gambar ke TPU Google Cloud untuk menghemat biaya. Logika umumnya sama: hyperscaler beralih dari GPU universal ke chip untuk beban kerja mereka sendiri, begitu volume inferensi menjadi cukup dapat diprediksi dan massal.
Strategi ini juga membawa sisi sebaliknya. Spesialisasi untuk model dan tumpukan tertentu mengurangi fleksibilitas saat arsitektur AI berubah, dan ketergantungan pada Broadcom dan Celestica dalam produksi menciptakan satu titik risiko untuk seluruh siklus pengembangan sembilan bulan. Akankah Jalapeño tetap kompetitif setelah dua atau tiga generasi model, atau optimasi sempit untuk inferensi hari ini akan berubah menjadi batasan besok?
