OpenAI faz parceria com a Broadcom para criar o chip Jalapeño: Uma aposta para se 'libertar da Nvidia', terá sucesso?

O Jalapeño é um chip projetado especificamente para inferéncia de IA. No fluxo de trabalho de computação de IA, existem duas etapas principais: 'treinamento' e 'inferéncia'. O treinamento usa volumes massivos de dados para 'ensinar' um modelo, enquanto a inferéncia ocorre quando o modelo gera respostas após receber consultas dos usuários. O Jalapeño é voltado especificamente para a etapa de inferéncia.

Diferente das GPUs de uso geral da Nvidia, o Jalapeño é otimizado para apenas uma coisa: executar grandes modelos de linguagem de forma rápida e com eficiéncia energética. Ele não precisa equilibrar outras tarefas, como renderização gráfica, o que lhe permite alcançar maior eficiéncia e custos mais baixos para tarefas de inferéncia. Richard Ho, chefe de hardware da OpenAI, revelou que a equipe personalizou profundamente a computação principal, a transferéncia de memória e a arquitetura de rede, com o objetivo de tornar cada resposta de produtos como o ChatGPT mais barata e rápida.

Richard Ho afirmou que o Jalapeño dá à OpenAI controle total, desde os modelos até os produtos, passando por chips e data centers. Isso significa que a OpenAI não é mais apenas uma empresa de software que aluga o poder computacional da Nvidia, mas está em transição para se tornar uma empresa de infraestrutura de computação.

Ao contrário das trajetórias de expansão das empresas tradicionais de internet, há uma lógica clara por trás do Jalapeño: modelos melhores podem auxiliar no projeto de chips melhores, chips melhores podem reduzir os custos operacionais dos modelos de próxima geração e custos mais baixos podem, por sua vez, dar suporte a mais usuários e produtos. Uma vez que esse ciclo fechado seja estabelecido com sucesso, a ideia de a Nvidia passar de fornecedora principal a uma opção alternativa deixará de ser apenas mero alarmismo.

A escolha do caminho da inferência como ponto de entrada. Em vez de travar uma batalha direta no campo mais forte da Nvidia, que é o de treinamento, a OpenAI optou por focar em cenários de inferência — a etapa computacional em que um usuário envia um comando ao ChatGPT e o modelo gera uma resposta.

Este é um ponto de entrada mais pragmático. O treinamento exige uma densidade computacional e versatilidade extremamente altas, áreas nas quais as GPUs da Nvidia possuem uma vantagem estrutural. Em contrapartida, a inferência lida com volumes massivos de requisições sob arquiteturas de modelos estabelecidas, tornando mais fácil para chips específicos para aplicações superarem as GPUs de uso geral em termos de eficiência e custo.

Mais importante ainda, os custos de inferência representam uma despesa diária contínua para a OpenAI. O CEO da Broadcom, Hock Tan, revelou que os custos de inferência do Jalapeño podem ser cerca de 50% menores do que os das GPUs de IA tradicionais, com um desempenho praticamente equivalente ao dos chips Blackwell da Nvidia.

Design assistido por IA, tape-out concluído em nove meses. Enquanto os chips tradicionais de alto desempenho geralmente levam de dois a três anos desde o design de arquitetura até o tape-out, o Jalapeño alcançou esse marco em apenas nove meses.

Um fator fundamental para isso foi a OpenAI aproveitar seus próprios modelos para acelerar o fluxo de trabalho de design de chips. A IA não é mais apenas uma consumidora de chips; ela está começando a projetá-los — um fato que, por si só, já é bastante impressionante.

Não apenas um único chip, mas todo um roadmap. O Jalapeño é apenas o primeiro passo. A OpenAI e a Broadcom traçaram um roadmap de chips multigeracionais, com o objetivo de implantar 10 gigawatts de capacidade computacional de chips personalizados até 2029. A Broadcom projeta que sua receita relacionada à IA superará os US$ 100 bilhões até o ano fiscal de 2027.

A OpenAI não está sozinha. O Google ( GOOGL ), a Amazon ( AMZN ), a Microsoft ( MSFT ), a Meta ( META) estão todas desenvolvendo chips próprios, e a Anthropic também iniciou avaliações para silício personalizado. A corrida por chips personalizados está deixando de ser uma série de experimentos isolados de empresas individuais para se tornar uma ampla tendência do setor.

1. A vantagem de escala da Nvidia continua massiva

A Broadcom projeta que sua receita com chips de IA ultrapasse US$ 100 bilhões no ano fiscal de 2027, um valor que parece bastante impressionante. No entanto, apenas a receita de data centers da Nvidia no primeiro trimestre do ano fiscal de 2027 atingiu US$ 75,2 bilhões, uma alta de 92% na comparação anual. Em outras palavras, o hardware de IA que a Nvidia vende em um único trimestre já supera a receita projetada de chips de IA da Broadcom para um ano inteiro. A diferença de escala entre as duas continua imensa.

2. O ecossistema de software CUDA é uma barreira difícil de contornar

A verdadeira vantagem competitiva da Nvidia não é o hardware de GPU, mas sim o CUDA e seu ecossistema de software integrado, que suporta mais de 7.000 aplicações e é respaldado por uma cadeia de ferramentas na qual milhões de desenvolvedores confiam há muito tempo.

Como um chip ASIC, o Jalapeño não suporta o CUDA, tampouco planeja ser compatível. No entanto, o ponto-chave é que a OpenAI não precisa vender o Jalapeño externamente; ela só precisa otimizá-lo para suas próprias cargas de trabalho de inferência. Embora essa estratégia possa contornar o CUDA, ainda não é suficiente para abalar a posição dominante do CUDA na comunidade mais ampla de desenvolvimento de IA.

3. Capacidade limitada no curto prazo: mais um complemento do que um substituto

A OpenAI deixou claro que o Jalapeño é um complemento para a capacidade computacional existente, e não um substituto. Brockman declarou de forma categórica que a empresa simplesmente não consegue adquirir capacidade computacional de forma rápida o suficiente.

Há também um bastidor que é facilmente esquecido: cerca de nove meses atrás, a Nvidia tinha acabado de concluir um investimento estratégico de US$ 30 bilhões na OpenAI. Jensen Huang disse na época que "este talvez seja o último", indicando que a Nvidia já antecipava o projeto Jalapeño há muito tempo. Ambos os lados ainda mantêm uma relação simbiótica.

Uma avaliação mais cautelosa é a de que a vantagem competitiva da Nvidia está sendo erodida, mas está longe de desmoronar.

O mercado de inferência está passando por uma transição da dominância das GPUs para um cenário diversificado, onde as GPUs coexistem com diversos ASICs. Se o roadmap de chips multigeracionais da OpenAI progredir sem problemas, as cargas de trabalho de inferência acelerarão sua migração das GPUs para os ASICs. No entanto, para a Nvidia, as barreiras no mercado de treinamento, a adesão ao ecossistema CUDA e suas vantagens de escala continuam difíceis de abalar no curto prazo.

A resposta sobre quão longe o Jalapeño poderá chegar, em última análise, pode não ser revelada até que os dados de implementação estejam disponíveis, daqui a dois anos.

P: Quando o chip Jalapeño estará oficialmente disponível comercialmente?

R: Atualmente, ele ainda está na fase de amostra de engenharia. A OpenAI espera lançar um relatório técnico mais detalhado nos próximos meses, e o cronograma específico para a produção em massa e implantação ainda não foi anunciado.

P: O Jalapeño substituirá as GPUs da Nvidia?

R: Não no curto prazo. A OpenAI deixou claro que este é um complemento ao poder computacional, e não um substituto, e o treinamento de modelos fundacionais de próxima geração ainda depende fortemente das GPUs da Nvidia.

P: Os custos de inferência do Jalapeño podem realmente ser reduzidos em 50%?

R: Esse número vem de declarações públicas do CEO da Broadcom, Hock Tan, mas é baseado em métricas de testes preliminares, e o desempenho real após a produção em massa final ainda precisa ser verificado.

Este conteúdo foi traduzido por IA e revisado por humanos. Ele é fornecido apenas para fins informativos e de referência, não constituindo aconselhamento financeiro ou recomendação de investimento.