OpenAI cria chip próprio para IA responder mais rápido

Você abre o ChatGPT, faz uma pergunta complexa e espera a resposta aparecer. Esse segundo de espera, que parece banal, é onde a OpenAI decidiu apostar uma fatia enorme de dinheiro e engenharia. Em parceria com a Broadcom, a empresa apresentou o Jalapeño, seu primeiro chip de inferência desenhado do zero. Uma inferência é o processo pelo qual um modelo de linguagem já treinado gera a resposta que você lê na tela, e é exatamente essa etapa que o novo chip promete acelerar. Se você usa ChatGPT, Codex ou qualquer ferramenta baseada em GPT na sua rotina de pesquisa, isso tende a mudar quanto essas ferramentas custam e quão rápido elas respondem.

O que aconteceu

O chip recebeu o nome de Jalapeño e foi entregue pessoalmente ao CEO da OpenAI, Sam Altman, e ao presidente Greg Brockman, pelo presidente e CEO da Broadcom, Hock Tan, e pelo presidente Charlie Kawwas. O gesto simbólico marca uma mudança de postura: a OpenAI deixou de ser só uma empresa que treina modelos e desenvolve produtos, e passou a desenhar também o hardware que roda esses modelos.

O projeto saiu do design inicial até a produção em nove meses, prazo que a própria empresa descreve como o ciclo de desenvolvimento mais rápido já visto em semicondutores avançados de alto desempenho. Segundo a OpenAI, parte dessa velocidade veio do uso dos próprios modelos de IA para acelerar etapas do design e da otimização do chip, ou seja, a IA ajudando a desenhar o hardware que vai rodar a próxima geração de IA.

Amostras de engenharia do Jalapeño já estão rodando cargas de trabalho de aprendizado de máquina em laboratório, na frequência e potência definidas para produção, incluindo o modelo GPT-5.3-Codex-Spark. Os testes preliminares indicam que o chip entrega desempenho por watt substancialmente melhor do que o estado da arte atual, embora a empresa ainda não tenha divulgado um relatório técnico completo com os números.

Por que isso importa pra você

A promessa central é reduzir o custo e o tempo de resposta de produtos que muita gente da pós já usa no dia a dia de pesquisa. Richard Ho, que lidera o programa de hardware da OpenAI, explicou que o chip foi otimizado em torno dos padrões de memória, rede e atendimento que mais pesam nos modelos de fronteira, e que os testes iniciais mostram o Jalapeño operando perto do limite teórico do hardware.

Isso se desdobra de formas diferentes dependendo de onde você está na pós:

1. Se você usa ChatGPT ou Codex para tarefas de pesquisa: a expectativa da empresa é que respostas fiquem mais rápidas e que tarefas mais longas (como um Codex executando vários passos em sequência) tenham menos espera entre eles.
2. Se você constrói algo sobre a API da OpenAI (extensão, ferramenta, automação para o próprio laboratório): a promessa de custo menor por token pode, com o tempo, baixar o preço de manter esse tipo de ferramenta rodando.
3. Se você depende de acesso confiável em horário de pico: a empresa argumenta que mais eficiência na infraestrutura ajuda a manter o serviço estável quando a demanda está alta, situação em que o serviço pode ficar instável.

Vale um cuidado aqui: tudo isso ainda é a própria OpenAI descrevendo o próprio produto, sem relatório técnico independente publicado até o momento. Performance por watt “substancialmente melhor” é uma afirmação da empresa sobre a empresa, e o texto original é claro ao dizer que a medição final ainda está em andamento.

O que essa aposta em hardware revela sobre a corrida da IA

O que mais me chama atenção nessa notícia não é o chip em si, é a lógica que ele revela. A OpenAI está descrevendo um ciclo: infraestrutura melhor gera mais eficiência de computação, mais eficiência permite treinar e servir modelos melhores, modelos melhores geram produtos melhores, produtos melhores trazem mais receita, e essa receita financia a próxima geração de infraestrutura. É um circuito fechado, desenhado para se retroalimentar.

Por um lado, isso pode realmente baratear o acesso a ferramentas de IA para quem tem menos recursos, incluindo estudantes e pesquisadores de instituições sem muito orçamento. Por outro, é a mesma empresa controlando cada vez mais camadas da pilha: modelo, produto e agora também o silício que executa tudo isso. Na minha leitura, quanto mais integrada verticalmente uma empresa fica, menos dependência ela tem de fornecedores externos, e essa é uma questão que vale acompanhar.

Não significa que você precisa entender arquitetura de chip para usar IA na sua pesquisa. Significa que vale acompanhar quem está construindo a base da ferramenta que você usa todos os dias, porque decisões de infraestrutura acabam aparecendo, meses depois, como mudança de preço, de velocidade ou de disponibilidade do serviço.

Próximos passos

Fica difícil agir sobre uma promessa de hardware que ainda não tem relatório técnico público, mas dá para se posicionar bem enquanto isso avança:

1. Acompanhe se a OpenAI publica o relatório técnico de performance prometido nos próximos meses, ele deve trazer os números reais que faltam nesse anúncio.
2. Observe, na prática, se ChatGPT, Codex e a API ficam mais rápidos ou mais baratos ao longo de 2026, quando a implantação em escala começa segundo a própria empresa.
3. Se você usa IA de forma intensiva na rotina de pesquisa, mantenha um registro de custo e tempo de resposta hoje, isso ajuda a comparar depois se a promessa de eficiência realmente chegou até o seu bolso.
4. Não pare de questionar a origem dos números que empresas de IA divulgam sobre os próprios produtos, essa é uma postura que vale para qualquer notícia do setor, não só para esta.

Se esse tipo de debate sobre quem controla a infraestrutura de IA te interessa, vale ler também sobre chatbots que caem sempre nas mesmas respostas e por que isso acontece, que discute outro ângulo dessa mesma corrida.

Fonte: OpenAI and Broadcom unveil LLM-optimized inference chip, OpenAI