Telset.id – OpenAI menegaskan bahwa chip Jalapeño ASIC akan diprioritaskan untuk memenuhi kebutuhan komputasi internal perusahaan. Richard Ho, Head of Hardware OpenAI, menyatakan bahwa permintaan komputasi di dalam perusahaan sangat tinggi sehingga pihaknya akan sibuk memenuhi kebutuhan OpenAI terlebih dahulu untuk waktu yang lama.
Pernyataan ini menegaskan posisi Jalapeño ASIC sebagai infrastruktur internal, bukan produk komersial yang dijual bebas. Meski demikian, Ho tidak menutup kemungkinan chip tersebut digunakan pihak lain di masa depan.
“Kami memiliki permintaan komputasi yang sangat kuat di dalam perusahaan. Butuh waktu lama bagi kami untuk memenuhi permintaan kami sendiri, yang terus tumbuh setiap saat,” kata Ho. “Saya pikir kami akan sibuk menyediakan komputasi untuk OpenAI untuk waktu yang lama. Bukan berarti chip ini tidak bisa digunakan di tempat lain. Saya yakin bisa, tapi prioritas kami adalah memastikan kebutuhan komputasi OpenAI terpenuhi terlebih dahulu.”
Benchmark dan Positioning Kompetitif
Posisi kompetitif Jalapeño terutama ditentukan oleh benchmark yang dibagikan OpenAI selama ajang Hot Chips 2026. Benchmark tersebut dijalankan menggunakan InferenceX dari SemiAnalysis dan membandingkan Jalapeño dengan Nvidia GB200 serta GB300.
ASIC sebenarnya umum ditemukan, namun performa kompetitif untuk ASIC tidaklah umum. Hal ini wajar karena ASIC dibangun untuk mempercepat beban kerja tertentu. Dengan Jalapeño, OpenAI mendemonstrasikan chip tersebut mempercepat model open-weight GPT-OSS miliknya sendiri, serta DeepSeek R1 dan Kimi K2.5.
Awalnya, OpenAI tidak berencana menampilkan benchmark di Hot Chips dan perusahaan tidak yakin akan hadir di acara tersebut. Ho mengulangi cerita yang disampaikan OpenAI di panggung Hot Chips tentang bagaimana tim engineer menjalankan Kimi dan DeepSeek di Jalapeño dalam dua bulan antara sampel A0 dan presentasi Hot Chips.
Meski Ho jelas menyatakan bahwa Jalapeño sedang di-deploy secara internal dan akan tetap internal untuk sementara waktu, ia membuka peluang masuknya chip ini ke pasar hardware yang lebih luas. Berbicara tentang benchmark yang ditunjukkan di Hot Chips, Ho mengatakan: “Yang benar-benar ingin kami tunjukkan, untuk menghentikan mispersepsi di industri bahwa chip inferensi kustom kami hanya untuk model OpenAI… Chip ini programmable, general purpose, dan tidak hard-coded untuk model OpenAI.”
Baca Juga:
Efisiensi sebagai Faktor Utama
Salah satu penjelasan atas keengganan OpenAI memasuki pasar hardware eksternal adalah pasokan. Ho menyebut “ada baseline baru untuk pasokan,” merujuk pada dua tahun terakhir ketika Ho dan CEO OpenAI Sam Altman mengunjungi fab dan meminta kapasitas lebih. Meski Ho menyatakan OpenAI “dalam kondisi baik” soal pasokan internal, pasokan untuk pelanggan eksternal kemungkinan berbeda ceritanya.
Jalapeño berfungsi untuk model lain, tetapi performa kompetitif mentah bukanlah tujuan desain utamanya. Ketika ditanya tentang pendorong di balik desain Jalapeño, Ho menjawab terus terang: “Itu efisiensi.” Ho menyebut efisiensi sebagai sepupu dari komputasi, mencatat pusat data AI modern yang dibatasi daya dan bagaimana mesin inferensi yang lebih efisien merepresentasikan komputasi yang lebih efektif.
Ho juga menunjuk pada pengambilan keputusan pragmatis yang sama sebagai pendorong desain Jalapeño, terutama seputar codesign dengan model internal OpenAI. “Codesign adalah sesuatu yang tidak bisa Anda lakukan dengan penjual silikon pihak ketiga dengan baik karena ada banyak IP riset dalam model, dan Anda tidak bisa membagikannya secara luas karena akan bocor. Itu akan tersebar tidak peduli berapa banyak NDA yang Anda buat.”
Jika Jalapeño ditujukan untuk peluncuran yang lebih luas, chip ini tidak akan bersaing dengan platform Grace Blackwell milik Nvidia, melainkan platform Vera Rubin yang lebih baru. Ho mengatakan perbandingan dengan Blackwell dilakukan “karena itu adalah hasil terbaik yang dipublikasikan yang bisa kami temukan.” Namun, perusahaan telah menjalankan lebih banyak benchmark secara internal, baik terhadap Vera Rubin maupun untuk context window yang lebih besar.
Benchmark InferenceX hanya melihat benchmark 8k1k, yang merepresentasikan 8.000 input token tetap dan 1.000 output token. Ho mengatakan benchmark internal OpenAI menunjukkan ASIC tersebut “tampaknya berperforma bahkan lebih baik daripada benchmark yang ada dari beberapa perangkat lain yang tersedia.”
Yang lebih menarik adalah perbandingan dengan Vera Rubin, yang menurut OpenAI terlihat bagus. “Jelas, saat kami deploy, itu akan menjadi Vera Rubin, mungkin bahkan VR Ultra di beberapa bagian jadwal deployment. Kami sudah melakukan benchmark internal kami, tapi jelas kami tidak mempublikasikannya. Itu harus datang dari Nvidia dan pihak lain yang mampu melakukannya… ya, kami berjalan dengan sangat baik pada benchmark tersebut,” kata Ho.
Keputusan OpenAI untuk memprioritaskan kebutuhan internal ini menunjukkan bahwa Jalapeño ASIC dirancang dengan pendekatan efisiensi dan codesign yang sulit direplikasi oleh mitra silikon pihak ketiga. Dengan permintaan komputasi internal yang terus tumbuh, OpenAI memilih fokus pada pemenuhan kebutuhan sendiri sebelum mempertimbangkan ekspansi ke pasar eksternal.
[ META_DESCRIPTION]
OpenAI menegaskan chip Jalapeño ASIC diprioritaskan untuk kebutuhan komputasi internal, meski terbuka peluang penggunaan oleh pihak eksternal di masa depan.
Komentar
Belum ada komentar.