Mit „Jalapeño“ zeigt OpenAI erstmals konkrete Leistungsdaten zu einem eigens entwickelten Beschleuniger-ASIC, der speziell für KI-Berechnungen konzipiert wurde. Anders als bislang übliche Ansätze, bei denen bestehende GPU-Architekturen für Trainings- und Inferenzaufgaben angepasst werden, handelt es sich laut Richard Ho, der das Projekt bei OpenAI leitet, um ein „Clean-Sheet“-Design – also eine vollständige Neuentwicklung ohne Altlasten aus bisherigen Grafikchip-Architekturen.

Diese Strategie folgt dem Trend großer KI-Anbieter, zunehmend eigene Chips zu entwickeln, um Abhängigkeiten von etablierten GPU-Herstellern zu reduzieren und die Hardware exakt auf die eigenen Modellarchitekturen zuzuschneiden. Für einen ASIC dieser Größenordnung bedeutet das erhebliche Investitionen in Chipdesign, Verifikation und die Auswahl geeigneter Fertigungsprozesse, da Recheneinheiten, Speicheranbindung und Datenpfade gezielt für Matrixmultiplikationen und Tensoroperationen optimiert werden können.

Die auf der Hot-Chips-Konferenz vorgestellten ersten Benchmarks sollen belegen, dass sich der maßgeschneiderte Ansatz in Effizienz und Durchsatz gegenüber generischen Beschleunigern auszahlt. Details zu Fertigungstechnologie, Packaging oder eingesetztem Foundry-Partner wurden bislang nicht umfassend offengelegt, dürften aber angesichts der Größe des Projekts von hoher Relevanz für die gesamte Zulieferkette der Halbleiterindustrie sein.

Für die Branche ist dieser Schritt ein weiteres Signal, dass große Software- und KI-Unternehmen verstärkt eigene Silizium-Kompetenzen aufbauen – ein Trend, der sowohl Foundries als auch klassische Chipdesign-Häuser vor neue Herausforderungen und Chancen stellt.