OpenAI ha iniziato a testare Jalapeño, il primo di una famiglia di chip progettati in casa, e conta di usarlo entro l’anno per gestire le richieste degli utenti.
Era una mossa attesa, ora ha un nome e una data. La domanda interessante per i mercati è chi ci guadagna e chi ci perde lungo la filiera dei semiconduttori.
Cosa ha annunciato OpenAI
Questa prima generazione è pensata per l’inferenza, la fase in cui il modello risponde alle domande, non per l’addestramento.
Il disegno di base è di OpenAI, mentre Broadcom ha portato competenze su connettività e altre aree.
La società dichiara un rendimento per watt migliore rispetto alle soluzioni standard, e i primi esemplari in laboratorio gestiscono già compiti simili alle query di Codex.
Broadcom indica un primo impiego commerciale presso Microsoft e altri partner entro fine anno, mentre OpenAI colloca i volumi veri nel 2026 e punta a chip propri capaci di alimentare 10 gigawatt di calcolo entro il 2029.
Perché lo fa
Le ragioni sono tre e si tengono insieme: capacità di calcolo, costi, indipendenza dal fornitore. Chi fa girare modelli su milioni di utenti ha bisogno di sempre più silicio, lo paga caro e oggi lo compra quasi tutto dallo stesso venditore.
Un chip disegnato sul proprio software, e tagliato sull’inferenza che è la parte di calcolo in crescita più rapida, abbassa il costo per query.
È la stessa logica che ha già portato Google, Amazon e Microsoft a costruire acceleratori propri da affiancare alle GPU di mercato. OpenAI arriva più tardi, ma con un volume di domanda che pochi altri possono mettere sul tavolo.
Chi lo progetta e chi lo costruisce
Quando leggo “OpenAI progetta il suo chip”, la prima cosa che mi chiedo è chi lo costruisce davvero, perché OpenAI non ha fabbriche.
La catena è a tre. OpenAI definisce l’architettura, Broadcom disegna l’ASIC e ci mette connettività e ingegneria, TSMC lo produce fisicamente.
La differenza tra comprare una GPU e farsi disegnare un chip su misura è quella tra un abito pronto e uno cucito addosso: il secondo costa competenze che poche aziende vendono. Il risultato sposta gli equilibri in modo asimmetrico.
Per Broadcom e TSMC OpenAI è un nuovo cliente, e ogni hyperscaler che progetta in proprio porta loro altro lavoro.
Per Nvidia è un concorrente in più, perché una quota di domanda che prima finiva sulle sue GPU ora se la copre il cliente stesso.
Cosa resta a Nvidia
L’annuncio non segna la fine del dominio di Nvidia.
La stessa OpenAI continua a dipenderne quasi del tutto per l’addestramento dei nuovi modelli e la definisce un partner chiave su quel fronte.
Il chip proprietario nasce per l’inferenza, dove un acceleratore specializzato e meno costoso ha senso economico e dove OpenAI aveva già iniziato ad affiancare soluzioni di Cerebras.
La quota più esposta alla concorrenza interna degli hyperscaler è proprio l’inferenza; l’addestramento dei modelli di frontiera resta terreno di Nvidia, finché architetture alternative non dimostreranno di reggere lo stesso carico.
OpenAI dice di valutare un’estensione dei propri chip anche al training, ed è la frontiera da osservare, perché lì si gioca la parte più redditizia del mercato.
L’articolo rientra nell’attività di analisi e informazione economico-finanziaria della redazione, impegnata da oltre vent’anni nello studio dei mercati e delle dinamiche industriali.
Disclaimer: Il presente contenuto ha finalità esclusivamente informative e non costituisce sollecitazione al pubblico risparmio né raccomandazione personalizzata di investimento. Ogni decisione deve essere valutata in autonomia alla luce della propria situazione patrimoniale e del proprio profilo di rischio.
Se vuoi scoprire come decidiamo noi quando investiamo: Circolo Pro
