OpenAI on esitellyt ensimmäisen oman inferenssisirunsa, jonka koodinimi on Jalapeño. Piiri on kehitetty yhdessä piirivalmistaja Broadcomin kanssa, ja yhtiö lupaa ottaa sen käyttöön omissa datakeskuksissaan vuoden 2026 loppuun mennessä. Aikataulu on toistaiseksi lupaus, ei toteutunut tosiasia.
Mitä inferenssisiru tarkoittaa
Tekoälymallin elinkaaressa on kaksi vaihetta. Koulutuksessa malli oppii valtavista datamääristä, mikä vaatii raakaa laskentatehoa. Inferenssi tarkoittaa valmiin mallin käyttöä: joka kerta kun käyttäjä kirjoittaa ChatGPT:lle, taustalla pyörii inferenssilaskentaa. Suurin osa OpenAI:n laskentakuluista syntyy juuri tästä, koska mallia ajetaan miljoonia kertoja päivässä.
Nvidian grafiikkasuorittimet eli GPU:t ovat yleiskäyttöisiä ja taipuvat sekä koulutukseen että inferenssiin. Jalapeño on sen sijaan ASIC-piiri, joka on suunniteltu yhteen tehtävään. Kun siru tekee vain inferenssiä eikä mitään muuta, se voi olla energiatehokkaampi ja edullisempi ajaa kuin yleiskäyttöinen GPU.
Mitä Broadcom-yhteistyö tarkoittaa
Broadcom ei ole kuluttajille tuttu nimi, mutta se on yksi maailman suurimmista piirisuunnittelun taustatoimijoista. Yhteistyössä työnjako on selvä: OpenAI suunnittelee sirun arkkitehtuurin ja sovittaa sen omiin malleihinsa, Broadcom vastaa piirin toteutuksesta, verkotuksesta ja tuotannon organisoinnista. Broadcomin Ethernet-pohjainen verkkoteknologia sitoo yksittäiset sirut yhteen suuriksi laskentaklustereiksi.
Lokakuussa 2025 yhtiöt kertoivat tavoittelevansa yhteensä 10 gigawatin edestä omia tekoälykiihdyttimiä usean vuoden aikana. Raporttien mukaan Jalapeño on tämän suunnitelman ensimmäinen konkreettinen tulos, ja sen tuotantoon meno alkaisi vaiheittain loppuvuodesta 2026.
Miksi oma siru laskee kustannuksia
Nvidian huippu-GPU:t ovat kalliita, ja niistä on ollut pulaa. Nvidian myyntikate on korkea, joten jokainen ostettu siru sisältää tuntuvan katteen, jonka OpenAI maksaa. Suunnittelemalla oman sirunsa yhtiö poistaa tämän välikäden ja maksaa lähinnä valmistuskustannukset. Samalla se voi virittää piirin juuri omien mallien tarpeisiin, mikä parantaa suorituskykyä wattia kohden.
Kyse on myös neuvotteluvoimasta. Niin kauan kuin OpenAI on riippuvainen yhdestä toimittajasta, se on Nvidian hinnoittelun ja toimitusaikataulujen armoilla. Oma siru antaa vaihtoehdon ja parantaa asemaa neuvottelupöydässä, vaikka se ei täysin korvaisikaan Nvidiaa.
Tavalliselle käyttäjälle laskennan hinnalla on suora yhteys siihen, paljonko tekoälypalvelut maksavat ja kuinka nopeasti ne vastaavat. Jos OpenAI saa inferenssin halvemmaksi, se voi tarjota tehokkaampia malleja ilmaisversiossa tai laskea maksullisten tilausten hintaa. Laajemmin kyse on siitä, kestääkö tekoälybuumi taloudellisesti: nykyiset laskentakulut ovat monelle tekoäly-yhtiölle tappiollisia, ja oma pii on yksi harvoista keinoista saada yhtälö kannattavaksi.
Google ja Amazon ehtivät ensin
OpenAI ei ole ensimmäinen, joka rakentaa oman sirunsa. Google on kehittänyt TPU-piirejään vuodesta 2015 ja ajaa niillä omia Gemini-mallejaan. Amazon tarjoaa pilvipalvelussaan Trainium- ja Inferentia-siruja, jotka on suunnattu juuri koulutukseen ja inferenssiin. Myös Meta ja Microsoft kehittävät omia piirejään.
Näihin verrattuna OpenAI lähtee liikkeelle myöhään, mutta sillä on etunaan tarkka tieto siitä, millaista laskentaa sen omat mallit vaativat. Se voi suunnitella sirun täsmälleen GPT-mallien ympärille sen sijaan, että sovittaisi mallit valmiiseen rautaan.
