A OpenAI divulgou em 25 de agosto, na conferência Hot Chips, os primeiros resultados medidos do Jalapeño, seu chip próprio de inferência desenvolvido em parceria com a Broadcom. Os números apresentados são fortes. Segundo a empresa, o chip entregou de 1,5 a 1,9 vezes mais processamento por kilowatt e latência de ponta a ponta de 1,7 a 3,6 vezes menor que os sistemas de comparação, baseados nos aceleradores GB200 e GB300 da Nvidia. Em cargas altamente interativas, o tipo de tráfego que o ChatGPT gera, a vantagem reportada sobe para 2,1 a 4,1 vezes.
Os testes rodaram sobre três modelos abertos, GPT-OSS 120B, DeepSeek R1 670B e Kimi K2.5 1T, usando o InferenceX, benchmark público da SemiAnalysis que mede o ciclo completo de atendimento de uma requisição de IA. A SemiAnalysis visitou os laboratórios da OpenAI para acompanhar as medições e confirmou que o Jalapeño superou os sistemas Blackwell em desempenho por watt em quase todos os cenários testados.
As ressalvas que a manchete não carrega
Antes de tratar o anúncio como virada de mesa, três qualificações importam.
Primeira: os números foram produzidos pela própria OpenAI, em silício de engenharia, sobre um benchmark que ela escolheu. Nenhum laboratório independente rerodou os testes até agora.
Segunda: o Jalapeño serve apenas para inferência (a etapa de gerar respostas), não para treinar modelos, terreno em que a Nvidia segue sem concorrência direta.
Terceira: a própria OpenAI projeta volumes pequenos de implantação até o fim de 2026 e afirma que continuará comprando aceleradores da Nvidia e de outros parceiros.
Um número do anúncio merece atenção especial pelo potencial de leitura errada: os 104,3x de throughput por kilowatt sobre o DeepSeek R1. O ganho existe, mas foi medido num ponto de operação específico (a menor latência que o sistema da Nvidia consegue entregar), não no uso típico. É o tipo de métrica que rende manchete e distorce a comparação.
Há um detalhe do anúncio menos comentado e mais interessante que os benchmarks: o papel da IA na construção do próprio chip. A OpenAI afirma que seus modelos ajudaram a levar o projeto do design inicial ao tapeout em nove meses e que, em blocos selecionados de atenção e mixture-of-experts, implementações geradas por IA rodaram de 1,5 a 1,8 vezes mais rápido que as escritas por engenheiros especialistas. A empresa ressalva que o ganho vale para blocos específicos, não para o modelo completo.
A corrida que já estava em andamento
O enquadramento de “avanço inédito” não sobrevive ao contexto. A OpenAI é a quinta grande empresa de IA a colocar silício próprio em operação, e a mais atrasada delas.
O Google corre há uma década. A Ironwood, sétima geração de TPU, está disponível no Google Cloud desde o fim de 2025, e mais de três quartos da computação por trás dos modelos Gemini já roda em TPU, segundo reportagens do setor, que também apontam planos de embarcar na ordem de 4,3 milhões de unidades em 2026. Em abril, a empresa anunciou a oitava geração, com dois chips especializados: TPU 8t para treino e TPU 8i para inferência de agentes. O Google é o único do grupo que vende acesso ao chip para terceiros.
A Amazon ancorou sua aposta na Anthropic. A criadora do Claude usa mais de um milhão de chips Trainium2 para treinar e servir seus modelos, comprometeu mais de US$ 100 bilhões em dez anos com a AWS e terá quase 1 gigawatt de capacidade Trainium2 e Trainium3 online até o fim de 2026. A AWS reporta clientes reduzindo custos de treino em até 50% na comparação com alternativas. A Anthropic participa do design das próximas gerações do chip com feedback direto dos workloads do Claude, o mesmo modelo de co-design que a OpenAI descreve com a Broadcom.
A Microsoft tem o Maia 200 implantado nos data centers do Azure, servindo tráfego do Copilot e da API da OpenAI, com o Maia 300 já em desenvolvimento. A ironia é literal: parte das respostas da OpenAI hoje sai de um chip da Microsoft. A Meta completa o grupo com a linha MTIA, de uso interno, voltada aos sistemas de recomendação e ranking que sustentam, entre outras coisas, a entrega de anúncios.
O tamanho do jogo
A Nvidia segue dominante, com cerca de 80% do mercado de aceleradores de IA em 2026 e receita de data center de US$ 193,7 bilhões no último ano fiscal. Mas a fatia do silício customizado dos hyperscalers subiu de 8,2% para algo entre 10% e 15% da receita do mercado em um ano, segundo dados da IDC, e cresce mais rápido que o mercado de GPUs. Projeções mais agressivas, como a do analista de tecnologia citado pela CNBC na cobertura do Jalapeño, tratam o chip como ameaça direta às margens de inferência da Nvidia, o segmento que mais cresce no momento.
O motivo de todo esse movimento cabe numa proporção: a inferência já consome cerca de dois terços de toda a computação de IA. Treinar um modelo é investimento pontual; servir respostas é custo recorrente, pago a cada interação de agente, a cada resposta gerada em buscas, a cada operação de comércio agêntico. Quem fabrica o próprio chip de inferência controla o custo unitário do token, e portanto o preço que consegue praticar na API. Foi essa conta que levou Google, Amazon, Microsoft e Meta ao silício próprio, e é ela que explica por que a OpenAI, mesmo chegando por último, não tinha alternativa.
Para quem trabalha com digital, o efeito prático desse conjunto de anúncios aparece em duas frentes: custo de API com tendência de queda conforme os chips proprietários entram em escala, e latência menor viabilizando agentes que executam tarefas longas, em que atrasos se acumulam a cada passo. A implantação do Jalapeño na infraestrutura da OpenAI começa até o fim do ano, com a segunda geração em desenvolvimento e a terceira em definição.