OpenAI เปิดผลทดสอบชุดแรกของ Jalapeño ชิปประมวลผล AI ที่บริษัทออกแบบเอง โดยอ้างว่าทำงานต่อพลังงานได้มากกว่าและตอบสนองเร็วกว่าระบบ Nvidia ที่ใช้เทียบในการทดสอบ ตัวเลขเหล่านี้มาจาก OpenAI เองผ่านชุดทดสอบ InferenceX ของ SemiAnalysis จึงยังต้องรอการตรวจสอบซ้ำจากหน่วยงานอิสระก่อนสรุปว่าเหนือกว่าคู่แข่งในการใช้งานจริงแค่ไหน
Jalapeño คืออะไร ทำไม OpenAI ต้องออกแบบชิปเอง
Jalapeño เป็นชิป ASIC ที่ OpenAI ออกแบบขึ้นใหม่ทั้งหมดสำหรับงาน inference โดยเฉพาะ ไม่ใช่การดัดแปลงจาก GPU เดิม พัฒนาร่วมกับ Broadcom และ Celestica ใช้เวลาราวเก้าเดือนตั้งแต่ออกแบบจนถึงขั้นตอน tape-out ซึ่งเร็วกว่าการพัฒนาชิปแบบดั้งเดิมมาก ทีมยังใช้โมเดลของ OpenAI เองช่วยในกระบวนการออกแบบและตรวจสอบวงจรบางส่วนด้วย
Richard Ho รองประธานฝ่ายฮาร์ดแวร์ของ OpenAI ระบุว่าเป้าหมายคือให้ชิปตัวนี้รองรับงาน transformer โดยตรง ตั้งแต่การออกแบบชิป หน่วยความจำ เครือข่าย ไปจนถึงซอฟต์แวร์และระบบระดับแร็ค เพื่อลดคอขวดจากการเคลื่อนย้ายข้อมูลระหว่างขั้นตอนประมวลผล
ตัวเลขเบนช์มาร์กที่ OpenAI เปิดเผยจริง
ผลทดสอบด้วย InferenceX วัดจากสามโมเดล ได้แก่ GPT-OSS-120B ของ OpenAI เอง, DeepSeek R1 670B และ Kimi K2.5 ขนาด 1 ล้านล้านพารามิเตอร์ เทียบกับระบบ Nvidia GB300 (รุ่น Blackwell) ที่ใช้พลังงานราว 1,400 วัตต์ต่อตัวเร่งความเร็ว ขณะที่ Jalapeño ใช้พลังงานประมาณ 700 วัตต์ต่อตัว
| Factor | Jalapeño (OpenAI) | Nvidia GB300 |
|---|---|---|
| งานต่อพลังงาน (throughput/kW) | สูงกว่า 1.5–1.9 เท่า | ฐานอ้างอิง |
| ความหน่วงตอบสนอง (end-to-end latency) | ต่ำกว่า 1.7–3.6 เท่า | ฐานอ้างอิง |
| ประสิทธิภาพงานโต้ตอบแบบเรียลไทม์ | สูงกว่า 2.1–4.1 เท่า | ฐานอ้างอิง |
| พลังงานต่อตัวเร่งความเร็ว | ประมาณ 700 วัตต์ | ประมาณ 1,400 วัตต์ |
| โมเดลที่ใช้ทดสอบ | GPT-OSS-120B, DeepSeek R1 670B, Kimi K2.5 1T | ชุดเดียวกัน |
ตัวเลขเหล่านี้เป็นช่วงที่ผันแปรตามจุดทดสอบ (operating point) ไม่ใช่ค่าคงที่ตายตัว และเป็นผลจากการเทียบกับ Nvidia GB300 รุ่นเดียว ยังไม่มีการทดสอบกับชิปรุ่นถัดไปของ Nvidia อย่าง Vera Rubin ที่กำลังจะเปิดตัว
จุดเด่นด้านสถาปัตยกรรมที่อยู่เบื้องหลังตัวเลข
Ho อธิบายว่า Jalapeño ใช้การทำนายทีละโทเคน (single-token prediction) แทนเทคนิคทำนายหลายโทเคนพร้อมกัน (multi-token prediction) ที่ชิปคู่แข่งบางตัวใช้ แต่ยังทำผลได้ทัดเทียมหรือดีกว่าในบางกรณี เพราะออกแบบให้ประสานการทำงานของหน่วยประมวลผล หน่วยความจำ และเครือข่ายให้เหมาะกับแต่ละช่วงของการ inference โดยเฉพาะ ทั้งช่วง prefill ที่ต้องอ่านบริบทยาวและช่วงสร้างคำตอบทีละส่วน ซึ่งช่วยลดการเคลื่อนย้ายข้อมูลที่ไม่จำเป็นระหว่างสองขั้นตอนนี้
ข้อจำกัดที่ต้องรู้ก่อนเชื่อว่า Jalapeño เหนือกว่าคู่แข่งจริง
แม้ตัวเลขจะดูโดดเด่น แต่ทั้งหมดยังเป็นผลทดสอบที่ OpenAI เปิดเผยเอง แม้จะใช้ InferenceX ซึ่งเป็นชุดทดสอบของบุคคลที่สามอย่าง SemiAnalysis แต่ก็ยังไม่มีหน่วยงานอิสระเข้ามาตรวจสอบซ้ำโดยตรง การเทียบยังจำกัดอยู่ที่ Nvidia GB300 รุ่นเดียว ไม่ครอบคลุมชิปจาก AMD หรือ Google ที่กำลังพัฒนาแนวทางของตัวเองเช่นกัน
แผนการใช้งานจริงก็ยังอยู่ในช่วงเริ่มต้น OpenAI ระบุว่าจะเริ่มติดตั้งใช้งานในปริมาณน้อยภายในสิ้นปี 2026 และจะขยายอย่างมีนัยสำคัญในปี 2027 โดยเน้นใช้ในโครงสร้างพื้นฐานของตัวเองเป็นหลัก ไม่ได้วางเป้าหมายเรื่องขายให้ลูกค้าภายนอกเป็นอันดับแรก และบริษัทยังพัฒนา Jalapeño รุ่นที่สองและสามควบคู่ไปด้วย
จุดแข็งและข้อจำกัดที่ควรรู้ก่อนเชื่อคำโฆษณา
ข้อดี
- +ผลทดสอบด้วย InferenceX ชี้ว่า Jalapeño ทำงานต่อพลังงานได้มากกว่าและตอบสนองเร็วกว่า Nvidia GB300 ในชุดทดสอบเดียวกัน
- +ออกแบบเป็น ASIC เฉพาะทางสำหรับ inference ตั้งแต่ต้น ไม่ใช่การดัดแปลงจาก GPU เดิม
ข้อเสีย
- −ตัวเลขทั้งหมดมาจากการเปิดเผยของ OpenAI เอง ยังไม่มีหน่วยงานอิสระตรวจสอบซ้ำ
- −ยังไม่ได้ทดสอบเทียบกับชิปรุ่นใหม่ของ Nvidia อย่าง Vera Rubin และยังอยู่ในช่วงเริ่มผลิตปริมาณน้อย
ต้นทุนที่ไม่ได้อยู่บนสเปกชิป
ต่อให้ Jalapeño ทำงานต่อพลังงานได้ดีกว่าตามที่อ้าง ต้นทุนจริงของการใช้ชิปนี้ในวงกว้างยังรวมถึงการสร้างดาต้าเซ็นเตอร์ ระบบระบายความร้อน และการจัดหาพลังงานให้เพียงพอ ค่าใช้จ่ายเหล่านี้ไม่ได้จบตอนติดตั้ง เพราะยังมีค่าบำรุงรักษาและอัปเกรดต่อเนื่อง
อีกส่วนคือการพัฒนาซอฟต์แวร์ให้ทำงานเข้ากับสถาปัตยกรรมเฉพาะทางแบบนี้ ซึ่งต้องใช้ทีมและเวลาเพิ่มขึ้น หากระบบผูกกับฮาร์ดแวร์ภายในของ OpenAI มากเกินไป การย้ายไปใช้แพลตฟอร์มอื่นในอนาคตอาจทำได้ยากขึ้นเช่นกัน
ความเร็วที่เพิ่มขึ้นจะเปลี่ยนอะไรในสนามแข่งขัน AI
ผมว่าตัวเลขที่ OpenAI เปิดเผยมาน่าสนใจ เพราะแสดงให้เห็นว่าบริษัทพัฒนา AI ไม่จำเป็นต้องพึ่ง Nvidia เพียงรายเดียวอีกต่อไป ถ้า Jalapeño ทำงานได้ตามที่อ้างจริงเมื่อขยายการใช้งานในวงกว้าง ผู้ใช้ ChatGPT และลูกค้าองค์กรอาจได้สัมผัสการตอบสนองที่ลื่นขึ้นโดยไม่รู้ตัว
สิ่งที่ควรจับตาต่อจากนี้คือผลทดสอบจากหน่วยงานอิสระ การเปรียบเทียบกับชิปรุ่นใหม่ของคู่แข่งอย่าง Vera Rubin และตัวเลขจริงเมื่อ Jalapeño เริ่มใช้งานในวงกว้างช่วงปี 2027 นั่นแหละที่จะบอกได้ว่าความได้เปรียบนี้ยั่งยืนแค่ไหน