Jalapeño, el primer chip de OpenAI: ¿independencia real de Nvidia o diapositiva para inversores?

El 24 de junio de 2026, OpenAI presentó Jalapeño en su blog oficial. Primer chip propio. Diseñado con Broadcom en nueve meses. Bautizado como "Intelligence Processor". Y acompañado de exactamente cero benchmarks independientes verificables.

Eso no significa que sea humo. Significa que hay que leerlo con cuidado.

Qué es Jalapeño y qué no es

Jalapeño es un ASIC: Application-Specific Integrated Circuit. Traducido sin jerga: un chip que no hace de todo, sino que hace una cosa muy bien y muy barato. Lo contrario de las GPUs de Nvidia, que son todoterrenos capaces de entrenar modelos, ejecutarlos, renderizar gráficos y un puñado de cosas más.

La analogía útil: una GPU de Nvidia es como un camión articulado que puede llevar cualquier carga a cualquier sitio. Jalapeño es una furgoneta de reparto optimizada para una ruta concreta. Más barata de operar, más rápida en esa ruta, completamente inútil para el resto.

Esa ruta concreta es la inferencia: el proceso de ejecutar un modelo de IA ya entrenado cuando un usuario le hace una pregunta. Cada vez que escribes algo en ChatGPT y el modelo responde, eso es inferencia. Es lo que ocurre miles de millones de veces al día en los servidores de OpenAI, y es lo que más dinero cuesta en operaciones cotidianas.

Lo que Jalapeño no hace es entrenamiento: el proceso previo, computacionalmente brutal, de construir el modelo desde cero con petabytes de datos. Para eso, OpenAI sigue comprando GPUs de Nvidia. Eso no cambia hoy, ni mañana, ni probablemente en un par de años.

"Al diseñar más partes del stack nosotros mismos, podemos ofrecer más inteligencia con mayor eficiencia.", Greg Brockman, presidente de OpenAI

Traducción sin filtros corporativos: queremos dejar de pagarle a Nvidia lo que nos cobra por inferencia y controlar esa parte del negocio nosotros mismos.

Los números que sí existen y los que faltan

Lo que OpenAI ha publicado tiene dos capas: lo que se puede verificar y lo que es afirmación de parte.

Lo verificable:

• El desarrollo duró nueve meses, según OpenAI el ciclo más rápido jamás logrado en semiconductores de alto rendimiento para IA.
• El chip fue diseñado en colaboración con Broadcom, cuyo CEO Hock Tan calificó Jalapeño como el inicio de una "hoja de ruta multigeneracional".
• El despliegue está previsto en centros de datos a escala de gigavatios, con Microsoft como socio principal, a partir de 2026.
• OpenAI usó sus propios modelos de IA para asistir en el diseño del chip.

Lo que viene de boca de los interesados sin verificación externa:

• Hock Tan afirmó en una entrevista con Reuters que Jalapeño iguala el rendimiento de las Blackwell de Nvidia y las TPUs de Google. No hay benchmarks independientes que lo confirmen.
• OpenAI dice que el chip muestra "sustancialmente mejor" rendimiento por vatio que las alternativas actuales. Sin cifras concretas publicadas.
• La empresa afirma que esto podría reducir costes de inferencia. ¿Cuánto? No hay número.

Esto no es un detalle menor. La guerra de la IA es la del coste por token, y cualquier afirmación sobre eficiencia sin datos concretos es marketing hasta que alguien lo mida de forma independiente.

Por qué nueve meses es la cifra más interesante

El dato que más debería llamar la atención no es el chip en sí: es la velocidad de desarrollo.

Diseñar un ASIC de alto rendimiento para IA normalmente toma entre dos y cuatro años. Hay que definir la arquitectura, simular millones de configuraciones posibles, iterar sobre el diseño físico del silicio, verificar que no hay errores antes de fabricarlo porque corregirlos después cuesta una fortuna, y coordinar con el fabricante de semiconductores. Es un proceso lento, caro y con muy poco margen de error.

OpenAI dice haberlo hecho en nueve meses. Y la razón que dan es la que cambia el marco de la conversación: usaron sus propios modelos de IA para asistir en el diseño del chip.

Esto tiene un nombre técnico: automejora recursiva. La IA ayuda a construir la infraestructura que ejecutará versiones futuras de la IA. El chip que sale del proceso se usará para servir modelos más rápido y más barato, lo que libera recursos para entrenar modelos mejores, que a su vez podrán diseñar chips más eficientes en la siguiente iteración.

No es ciencia ficción. Es lo que ya está ocurriendo, aunque de forma incremental y con humanos en el bucle tomando las decisiones finales. OpenAI no ha publicado exactamente qué partes del diseño fueron asistidas por IA ni en qué proporción, así que hay que ser cuidadoso con no exagerar el alcance real. Pero la dirección es clara.

Y tiene una segunda cara que OpenAI y Anthropic han reconocido públicamente: si la IA puede acelerar el desarrollo de su propia infraestructura, el ritmo de progreso puede escaparse del control humano antes de que nadie haya establecido los frenos adecuados. Ambas empresas han pedido supervisión internacional y mecanismos para imponer ralentizaciones coordinadas si el desarrollo se acelera demasiado. Lo cual es, cuanto menos, una postura curiosa viniendo de las mismas empresas que están acelerando ese desarrollo.

El contexto que los comunicados omiten: la dependencia de Nvidia

Para entender lo que Jalapeño significa de verdad, hay que entender el problema que intenta resolver.

Nvidia controla aproximadamente el 80% del mercado de chips para IA. Sus GPUs H100 y Blackwell son el estándar de facto para entrenar y ejecutar modelos grandes. OpenAI ha sido uno de sus mayores clientes durante años, y esa dependencia tiene dos consecuencias concretas:

Primera: Nvidia fija los precios. Cuando toda la industria compite por el mismo hardware limitado, el proveedor manda. OpenAI, Microsoft, Google, Meta y Amazon han estado peleando por el mismo silicio, lo que mantiene los precios altos y los márgenes de OpenAI bajo presión constante.

Segunda: Los plazos de entrega. En los momentos de mayor demanda, conseguir GPUs de Nvidia puede llevar meses. Eso limita la capacidad de OpenAI para escalar rápido cuando lanza un nuevo modelo o cuando la demanda de usuarios se dispara.

Un chip propio optimizado para inferencia ataca directamente el segundo problema y parcialmente el primero. Si Jalapeño puede gestionar una fracción significativa de las peticiones de usuarios a ChatGPT y otros servicios, OpenAI reduce su dependencia de Nvidia para esa carga de trabajo específica.

Pero hay que ser preciso: OpenAI no se ha independizado de Nvidia. El entrenamiento de modelos grandes, que es donde se consume la mayor parte del presupuesto de cómputo durante el desarrollo, sigue requiriendo GPUs de Nvidia. Jalapeño no cambia eso. Es un paso hacia la autonomía en inferencia, no una declaración de independencia total.

La hoja de ruta que nadie ha detallado

El CEO de Broadcom, Hock Tan, habló de una "hoja de ruta multigeneracional" y de despliegues en centros de datos a escala de gigavatios con Microsoft y otros socios. Eso suena grande. Y lo es, en abstracto.

Lo que no existe es un calendario concreto. "A partir de 2026" es el único marco temporal disponible. No hay fechas de disponibilidad para clientes, no hay capacidad inicial publicada, no hay información sobre qué porcentaje de la carga de inferencia de OpenAI cubrirá Jalapeño en su primer año de operación.

Para contexto: el plan de octubre de 2025 de construir infraestructura que suministre diez gigavatios de potencia era una visión a largo plazo que involucraba múltiples socios y tecnologías. Jalapeño es una pieza de ese plan, no el plan completo.

El patrón es familiar. Google lleva años con sus TPUs (Tensor Processing Units), Amazon tiene Trainium para entrenamiento e Inferentia para inferencia, Apple lleva desde 2020 con chips propios en sus dispositivos. Todos han reducido costes y ganado margen en sus workloads específicos. Ninguno ha eliminado a Nvidia de su stack. Todos siguen comprando GPUs para los casos de uso donde Nvidia sigue siendo insustituible.

OpenAI está siguiendo el mismo manual. Lo cual es sensato. Pero hay que llamarlo por su nombre: es una estrategia de reducción de dependencia gradual, no una revolución del hardware.

Lo que esto significa para el coste de ChatGPT

La promesa implícita en todo este anuncio es que Jalapeño bajará los costes de inferencia, y que parte de ese ahorro podría llegar al usuario final en forma de modelos más rápidos, más baratos o con mayor disponibilidad en momentos de alta demanda.

La lógica es sólida. Si OpenAI paga menos por ejecutar cada petición, tiene más margen para competir en precio o para invertir en mejoras. El problema es que no hay ninguna cifra concreta sobre cuánto más eficiente es Jalapeño en términos de coste real por petición, ni ningún compromiso sobre cómo se trasladaría ese ahorro.

Lo que sí es verificable es que la inferencia representa una parte sustancial y creciente de los costes operativos de OpenAI. A medida que la base de usuarios crece y los modelos se vuelven más complejos, el coste de servir cada respuesta importa cada vez más. Un chip diseñado específicamente para esa tarea, si cumple lo que promete, tiene impacto real en el balance de la empresa.

Pero "si cumple lo que promete" es el trabajo que queda por hacer. Los benchmarks independientes, las cifras reales de rendimiento por vatio en producción, la comparación honesta con las Blackwell de Nvidia en cargas de trabajo reales: nada de eso existe todavía en el dominio público.

El juicio que corresponde dar ahora mismo

Jalapeño es un movimiento estratégico legítimo y técnicamente interesante. El ciclo de desarrollo de nueve meses, si se sostiene, es un logro real. El uso de IA para asistir en el diseño del chip abre una vía de aceleración que la industria entera debería estar mirando con atención.

Pero el anuncio tiene más de declaración de intenciones que de demostración de capacidades. No hay benchmarks independientes. No hay fechas firmes. No hay cifras de cuánto silicio de Nvidia dejará de comprar OpenAI ni cuándo.

La pregunta que importa sigue sin respuesta: ¿en qué porcentaje reducirá OpenAI su dependencia de Nvidia para inferencia en los próximos doce meses, y qué impacto tendrá eso en sus costes operativos?

Sin esa cifra, Jalapeño es una declaración de dirección estratégica con fecha de confirmación pendiente. Puede convertirse en algo importante. Puede quedarse en una diapositiva de investor relations. El chip existe, el plan existe, la tecnología parece prometedora.

Ahora toca esperar a que alguien lo mida de verdad.