Jalapeño คืออะไร และทำไมการท้าชน Nvidia ครั้งนี้จึงสำคัญ
ชิป Jalapeño คือชิป AI แบบกำหนดเองที่ OpenAI พัฒนาร่วมกับ Broadcom และ Celestica เพื่อเร่งการประมวลผล Inference ของโมเดลภาษาขนาดใหญ่ เน้นความสมดุลระหว่าง throughput หรือปริมาณงานที่รองรับได้ต่อวินาที กับ latency หรือเวลาในการตอบสนองของระบบ เป้าหมายคือรองรับผู้ใช้จำนวนมากขึ้นด้วยต้นทุนโครงสร้างพื้นฐานที่ต่ำลง และใช้พลังงานอย่างมีประสิทธิภาพในศูนย์ข้อมูล
สาระสำคัญไม่ใช่เพียงการมีชิปใหม่ แต่คือการที่ Jalapeño กล้าขึ้นเวทีชนชิประดับแถวหน้าของ Nvidia แบบตัวต่อตัว และชนะในบางบททดสอบ OpenAI เปิดเผยว่าชิปต้นแบบทางวิศวกรรมของ Jalapeño ซึ่งเป็นชิปคัสตอมตัวแรก ได้ถูกส่งเข้าทดสอบในห้องปฏิบัติการแล้ว พร้อมผลเบื้องต้นที่บอกชัดว่าในงาน AI ทั่วไป Jalapeño สามารถลดต้นทุนการดำเนินงานได้ราวครึ่งหนึ่งเมื่อเทียบกับ GPU AI ทั่วไป นี่ไม่ใช่แค่ข่าวเทคโนโลยี แต่เป็นสัญญาณว่าอำนาจต่อรองในตลาด AI กำลังขยับมือจากผู้ผลิต GPU ไปสู่ผู้สร้างแพลตฟอร์ม AI รายใหญ่
ตัวเลขไม่โกหก Jalapeño ยิงเร็ว กินไฟน้อย และทุบ Benchmark
หัวใจของ Jalapeño คือการออกแบบเพื่อ Inference โดยเฉพาะ ไม่ใช่เพื่อการเทรนโมเดล OpenAI ระบุชัดว่าชิปนี้ถูกออกแบบมาเพื่อประมวลผลผลลัพธ์ของโมเดลภาษาขนาดใหญ่ เช่น ขั้นตอนที่ระบบตอบคำสั่งหรือข้อความจากผู้ใช้ การเลือกโฟกัสเฉพาะงานหลังการเทรนนี้ทำให้สถาปัตยกรรมสามารถบีบประสิทธิภาพ Inference ได้สูงกว่าชิปสารพัดประโยชน์
ในชุดทดสอบ InferenceX กับโมเดลโอเพ่นซอร์สอย่าง GPT-OSS 120B, DeepSeek R1 และ Kimi K2.5 1T Jalapeño ทำ throughput ต่อวัตต์ได้มากกว่า 1.5–1.9 เท่า และให้ latency ต่ำกว่า 1.7–3.6 เท่าเมื่อเทียบกับคู่เทียบ พูดให้ง่ายคือมันรองรับงานได้มากกว่า ตอบได้เร็วกว่า และใช้ไฟต่อชิ้นงานน้อยกว่า ในขณะที่กำลังไฟของชิปอยู่ราว 700 วัตต์ ซึ่งช่วยลดค่าใช้จ่ายด้านพลังงานในศูนย์ข้อมูลได้อย่างมีนัยสำคัญ ประโยคที่ควรจดคือ “Jalapeño สามารถลดต้นทุนการดำเนินงานของงาน AI ทั่วไปได้ประมาณ 50% เมื่อเทียบกับ GPU AI ทั่วไป”
Nvidia vs OpenAI เมื่อชิป AI แบบกำหนดเองเริ่มเบียดชิปเรือธง
จุดเดือดของข่าวนี้อยู่ที่การชน Benchmark โดยตรงกับ GB300 ชิประดับท็อปในตารางจัดอันดับประสิทธิภาพชิป AI ปัจจุบัน Jalapeño แสดงผลงานโดดเด่นในสองด้านหลัก คือ throughput ต่อพลังงาน และความเร็วในการตอบสนอง โดย OpenAI ระบุว่าผลทดสอบแสดงให้เห็นว่า Jalapeño ทำผลงานได้ดีกว่าชิปรุ่นปัจจุบันของ Nvidia ในบางด้าน และภายในบริษัทเองก็พบว่าประสิทธิภาพต่อวัตต์ของ Jalapeño เหนือกว่าผลิตภัณฑ์ Nvidia บางรายการในการทดสอบ
สิ่งที่น่าสนใจคือ นี่ไม่ใช่การประกาศสงครามเลิกคบ Nvidia ทันที เพราะ OpenAI ยังยอมรับว่ายังต้องการชิป Nvidia จำนวนมากต่อไป โดยเฉพาะสำหรับการเทรนโมเดลใหม่ๆ แต่การมีชิป AI แบบกำหนดเอง ทำให้ OpenAI มีอำนาจเลือกมากขึ้นว่าภาระงานไหนจะรันบนอะไร ในขณะที่ Jalapeño ยังไม่ได้ถูกเปรียบเทียบกับชิป Vera Rubin รุ่นล่าสุดของ Nvidia และยังไม่ได้ออกแบบมาสำหรับการเทรนโมเดลโดยตรง ช่องว่างนี้คือพื้นที่ที่ Nvidia ยังรักษาความได้เปรียบ แต่ก็เป็นเวลานับถอยหลังที่คู่แข่งกำลังไล่ทัน
กลยุทธ์ใหญ่ของ OpenAI คุมทั้งสแต็กฮาร์ดแวร์เพื่อดันประสิทธิภาพ LLM
การเดินหน้าพัฒนาชิป Jalapeño ไม่ใช่โครงการทดลองขำๆ แต่เป็นหมากยุทธศาสตร์เพื่อคุมโครงสร้างพื้นฐานตั้งแต่ระดับชิป ถึงระบบประมวลผล OpenAI ระบุว่าการพัฒนาชิปของตัวเองคือความคืบหน้าสำคัญเพื่อลดการพึ่งพาผู้ผลิตชิปรายใหญ่ในตลาด และเพื่อลดต้นทุนโครงสร้างพื้นฐาน AI ที่กำลังลงทุนทั่วโลก เป้าหมายตรงไปตรงมาคือย้ายงาน AI ให้มากขึ้นมารันบนชิปของตัวเอง
ในเชิงแผนงาน Jalapeño เวอร์ชันสมบูรณ์จะเริ่มติดตั้งในศูนย์ข้อมูลของ Microsoft และพันธมิตรในช่วงปลายปีนี้ OpenAI มีแผนติดตั้งชิปในจำนวนเล็กน้อยภายในสิ้นปี และจะเพิ่มจำนวนมากขึ้นในปี 2027 ขณะที่ roadmap ระบุว่ารุ่นถัดไปจะเปิดตัวในปี 2028 และกำลังเดินหน้าสู่ขั้นตอน tape out ของชิปรุ่นใหม่ในไม่กี่เดือนข้างหน้า เมื่อ AI ของ OpenAI ยังถูกใช้ช่วยออกแบบชิปของตัวเองด้วย หมายความว่า LLM รุ่นใหญ่ในอนาคตอาจถูกจูนให้เข้าคู่กับสถาปัตยกรรม Jalapeño แบบแนบแน่นยิ่งขึ้น
ศึกชิป AI ยุคใหม่ ใครคุม Inference ใครคุมต้นทุน คนนั้นคุมเกม
Jalapeño แสดงให้เห็นชัดว่าศึกใหญ่ของ AI วันนี้ไม่ได้อยู่แค่ที่โมเดล แต่ลงลึกถึงระดับชิป การที่ชิปเดียวกันสามารถให้ throughput สูงขึ้นหลายเท่า ลด latency ลง และใช้พลังงานน้อยลง หมายถึงบริการ AI สามารถรองรับผู้ใช้มากขึ้นด้วยต้นทุนต่อคำถามที่ต่ำลงอย่างชัดเจน Jalapeño ยังแสดงข้อได้เปรียบมากขึ้นเมื่อใช้กับโมเดลขนาดใหญ่อย่าง Kimi ของ Moonshot AI และโมเดลภายในของ OpenAI เอง จึงยิ่งตอกย้ำว่าคุณค่าที่แท้จริงจะยิ่งเด่นเมื่อภาระงานโตและซับซ้อนขึ้น
ในเชิงภาพรวม Jalapeño ไม่ได้ฆ่า Nvidia แต่มันบีบให้โลก AI ต้องคิดใหม่ว่าอนาคตของโครงสร้างพื้นฐานควรอยู่บนชิป AI แบบกำหนดเองหรือไม่ ใครคุมชิปได้ ใครลดต้นทุน Inference ได้มากกว่า คนนั้นจะมีพื้นที่ทดลองโมเดลใหม่ๆ ได้บ่อยกว่า และเสี่ยงได้มากกว่า หาก Jalapeño และชิปรุ่นต่อๆ ไปเดินหน้าตามแผน ตลาดชิป AI จะไม่ใช่สนามเดี่ยวของผู้เล่นรายเดิมอีกต่อไป
