หลังพึ่งชิปจาก Nvidia มาตลอด ล่าสุด OpenAI ขยับครั้งใหญ่ด้วยการเปิดตัว ชิป AI ตัวแรกที่ออกแบบเอง ในชื่อ "Jalapeño" ที่ทำร่วมกับ Broadcom
เกิดอะไรขึ้น
เมื่อ 24 มิถุนายน 2026 OpenAI ประกาศชิป Jalapeño อย่างเป็นทางการ จุดเด่นคือเป็นชิปสำหรับงาน "inference" — ขั้นตอน "รันโมเดลที่เทรนเสร็จแล้ว" เพื่อตอบผู้ใช้ (เช่นเวลาเราพิมพ์คุยกับ ChatGPT) ไม่ใช่ชิปสำหรับเทรนโมเดล โดยออกแบบสถาปัตยกรรมมาเพื่อ โมเดลภาษาขนาดใหญ่ (LLM) โดยเฉพาะ ทั้งเรื่องการเคลื่อนย้ายข้อมูล หน่วยความจำ และระบบเครือข่าย
สิ่งที่หลายคนทึ่งคือ OpenAI บอกว่าใช้เวลาออกแบบเพียง ราว 9 เดือน ซึ่งอาจเป็นรอบพัฒนาชิประดับ ASIC ที่เร็วที่สุดเท่าที่เคยมี ส่วนหนึ่งเพราะ เอาโมเดล AI ของตัวเองมาช่วยออกแบบและปรับจูนชิป ด้วย และจากการทดสอบช่วงแรก OpenAI เคลมว่า Jalapeño ให้ ประสิทธิภาพต่อพลังงาน (performance per watt) ดีกว่าชิประดับท็อปในตลาดตอนนี้ "อย่างมีนัยสำคัญ"
"inference" กับ "training" ต่างกัน: training คือการสอนโมเดลให้เก่ง (กินพลังมหาศาล ทำเป็นครั้งคราว) ส่วน inference คือการเอาโมเดลไปใช้งานจริงทุกวันทุกวินาที — ยิ่งคนใช้ AI เยอะ ต้นทุน inference ยิ่งเป็นก้อนใหญ่ ชิปที่ "รันถูกลง-ประหยัดไฟกว่า" จึงสำคัญมาก
OpenAI วางแผนเริ่มนำ Jalapeño ไปใช้งานจริง ปลายปี 2026 แล้วค่อยขยายผลในปีถัด ๆ ไป โดยจะเป็นส่วนหนึ่งของศูนย์ข้อมูลขนาด "กิกะวัตต์" ที่ทำร่วมกับ Microsoft และพาร์ตเนอร์รายอื่น
แปลว่าอะไร
การที่ OpenAI หันมาทำชิปเองสะท้อนเทรนด์ "สร้างทั้ง stack เอง" — คุมตั้งแต่โมเดล ซอฟต์แวร์ ไปจนถึงฮาร์ดแวร์ เพื่อ ลดการพึ่งพา Nvidia ที่ครองตลาดชิป AI อยู่ และคุมต้นทุนการรันโมเดลในระยะยาว นักวิเคราะห์หลายสำนักจึงมองว่านี่คือ "หมัด" ที่เขย่าตำแหน่งเจ้าตลาดของ Nvidia พอสมควร
สำหรับคนทั่วไปและเจ้าของธุรกิจที่ใช้ AI ข่าวนี้ไม่ได้เปลี่ยนอะไรในวันนี้พรุ่งนี้ แต่ทิศทางระยะยาวน่าสนใจ: ถ้าการรันโมเดล "ถูกลงและประหยัดไฟกว่าเดิม" ก็มีโอกาสที่ค่าบริการ AI จะถูกลงหรือเร็วขึ้นตามไปด้วย
อย่าเพิ่งตีความว่า Jalapeño "ชนะ Nvidia แล้ว" — มันเป็นชิปตัวแรก ยังไม่ได้ใช้งานจริงในสเกลใหญ่ และเป็นชิปเฉพาะงาน inference ของ OpenAI เอง ตัวเลขประสิทธิภาพยังเป็นการทดสอบช่วงแรกที่ OpenAI รายงานเอง ต้องรอของจริงปลายปี