Paukenschlag aus dem Silicon Valley: OpenAI baut nicht mehr nur Software, sondern jetzt auch eigene Hardware. Gemeinsam mit dem Chip-Riesen Broadcom hat die ChatGPT-Firma ihren allerersten eigenen KI-Chip vorgestellt. Sein Name klingt wie eine scharfe Soße: Jalapeño. Und genau so soll er einschlagen.
Hinweis: Dieser Beitrag enthält Affiliate-Links (mit * gekennzeichnet). Kaufst du über einen dieser Links, erhalte ich eine kleine Provision — für dich ändert sich der Preis nicht.
Was Jalapeño kann
Jalapeño ist kein Allrounder, sondern ein Spezialist für Inferenz — also für das eigentliche Ausführen fertig trainierter KI-Modelle, das, was bei jeder ChatGPT-Antwort passiert. Der Chip wurde rund um genau die Abläufe entworfen, die dabei zählen: Rechenkerne, Speicher-Bewegung, Netzwerk und das Ausliefern der Antworten. Das Ergebnis laut OpenAI: eine deutlich bessere Leistung pro Watt als heutige Spitzen-Hardware — und vor allem rund 50 Prozent geringere Kosten gegenüber typischen KI-Grafikkarten.
UNGLAUBLICH: In nur neun Monaten zum fertigen Chip
Was Fachleute aufhorchen lässt, ist das Tempo. Vom ersten Entwurf bis zum sogenannten Tape-out (der finalen Übergabe an die Fertigung) vergingen nur neun Monate — laut den Firmen der schnellste ASIC-Entwicklungszyklus, den es bei Hochleistungs-Chips je gegeben haben soll. Pikanter Nebeneffekt: OpenAI hat nach eigenen Angaben eigene KI-Modelle eingesetzt, um Teile des Chip-Designs zu beschleunigen. KI, die Chips für KI baut.
Warum das die ganze Branche betrifft
Bisher läuft fast die gesamte KI-Welt auf teuren Grafikkarten — allen voran von Nvidia. Ein eigener, deutlich günstigerer Inferenz-Chip macht OpenAI unabhängiger und könnte langfristig die Kosten für KI-Dienste drücken. Jalapeño ist dabei erst der Anfang: Der Chip ist als erste Stufe einer mehrere Generationen umfassenden Plattform gedacht. Der erste Einsatz ist noch für Ende 2026 geplant, große Rechenzentren — unter anderem mit Microsoft — sollen folgen.
Und für dein eigenes KI-Homelab?
Ganz ehrlich: Einen Jalapeño wirst du dir nicht ins Rack schrauben — das ist ein riesiger Rechenzentrums-Chip, kein Produkt für daheim. Wer KI-Modelle lokal laufen lassen will, kommt weiter um eine ordentliche Grafikkarte nicht herum. Für den Einstieg ins Selbst-Hosten von LLMs reicht oft schon eine GPU für dein KI-Homelab* mit genügend Videospeicher, dazu am besten 32 GB DDR5-RAM*, damit auch größere Modelle flüssig laufen. Die große Lehre aus Jalapeño bleibt aber für alle gleich: Bei KI entscheidet am Ende nicht das schickste Modell, sondern wie günstig man es betreiben kann.
FAZIT: OpenAI greift nach der eigenen Hardware — und tut das schneller und günstiger als gedacht. Für uns Nutzer könnte das mittelfristig vor allem eins heißen: KI wird billiger.