「チップを作ったよ、速いよ」——OpenAIのJalapeñoがNvidiaを上回った中身

「we made a chip and it is fast」。
サム・アルトマン氏がXに投稿したのは、たった一文でした。

we made a chip and it is fast

— Sam Altman (@sama) 2026年8月25日

（日本語訳：チップを作ったよ、速いよ）

その短さとは裏腹に、中身は自社製AIチップがNvidiaの現行フラッグシップを性能で上回ったという発表です。
ChatGPTを日常的に使っているなら、この一文は「レスポンスが速くなるかもしれない」という自分ごとの話につながります。

先に結論をまとめると：
– OpenAIが自社設計したAIチップ「Jalapeño」の実測ベンチマークを公開し、Nvidiaの「GB300」に対し電力あたりの処理性能で1.5〜1.9倍、応答の遅延で最大3.6倍の改善を示した
– 学習（トレーニング）ではなくChatGPTなどの応答処理（推論）に特化した設計で、年内に自社データセンターへ小規模導入する計画
– 数値はOpenAI自身が公表したもので、独立した第三者による検証はまだ限定的

OpenAIが自社チップの実測値を初めて公開

Jalapeñoという名前が最初にXを騒がせたのは、2026年6月のことでした。
OpenAIとBroadcomが共同開発を発表し、「ゼロから設計して9カ月でテープアウト（設計データを工場に渡せる状態にすること）した」というスピード感がまず話題になりました。

そして8月25日、OpenAIの公式アカウントがこう投稿しました。

Since announcing Jalapeño, our first custom inference chip, we’ve been testing it and the system around it.

The results show a major advance: more intelligence from every watt and faster responses, delivering both higher throughput and lower latency in one architecture without… pic.twitter.com/vj7VOrA8pP

— OpenAI (@OpenAI) 2026年8月25日

（日本語訳：Jalapeñoの発表以来、私たちはこのチップとシステム全体をテストしてきました。
結果は大きな進歩を示しています——1ワットあたりでより多くの知性を、より速い応答を、スループットと遅延の両方で実現しています）

つまり6月の発表は「作った」段階の話で、8月に出たのは「実際に動かして測った」数字です。
この違いが、今回の投稿がより大きな反響を呼んだ理由といえそうです。
半導体専門アカウントも詳細な数値付きで反応しています。

OpenAI just published the first detailed numbers for Jalapeño.

The custom inference ASIC, co-designed with Broadcom, is built specifically for large-language-model serving rather than training.

On the InferenceX benchmark suite it delivered 1.5–1.9× more AI work per watt at… pic.twitter.com/2FgsC8rE0z

— Semiconductor Insider (@SemiconductorsX) 2026年8月25日

（日本語訳：OpenAIがJalapeñoの詳細な数値を初めて公開しました。
Broadcomと共同設計されたこの推論専用ASIC（特定用途向け集積回路）は、モデルの学習ではなく大規模言語モデルの応答処理に特化して作られています）

ただ、この数字だけを見て「Nvidiaより優れたチップが誕生した」と結論づけるのは早計です。
何を、何と比べて測ったのかを確かめる必要があります。

本当にNvidiaを「上回った」と言えるのか？

複数の海外メディアの報道を確認すると、OpenAIが比較対象にしたのはNvidiaの現行フラッグシップ「GB300」（一部報道ではGB200も含む）です。
GPT-OSSなど自社モデルを使った社内ベンチマークで、消費電力1ワットあたりの処理量が1.5〜1.9倍、応答が返ってくるまでの遅延が最大3.6倍短縮されたとしています。

チップの仕様は700W駆動、216GBの高帯域メモリ（HBM）を搭載。
海外メディアの報道では、Nvidiaの1,400W級フラッグシップGPUに対し、消費電力を半分に抑えながらこの性能を出したと伝えられています。

ここで見落とせないのが、比較の前提条件です。
Jalapeñoが担うのはモデルの学習ではなく、すでに完成したモデルの応答処理（推論）だけです。
Nvidiaが依然として優位とされる学習用途では、この数字は当てはまりません。
また、Nvidiaが年内投入を予定する次世代プラットフォーム「Vera Rubin」との比較はまだ行われていないとも報じられています。
つまり「現行世代の推論性能で上回った」というのが、より正確な言い方になりそうです。

なぜOpenAIは自前でチップを作るのか？

OpenAIのチップ開発責任者リチャード・ホー氏は、Jalapeñoの狙いを「大規模言語モデルの提供に特化してゼロから設計した」ことだと説明しています。
ChatGPTやCodex、APIの利用者が増えるほど、応答のたびにかかる計算コストは積み上がります。
自社の使い方に合わせて無駄を削ったチップを作れば、同じ電力でより多くのユーザーに応答を返せる計算です。

量産は2027年ごろを見込み、まずは年内に自社データセンターへ小規模導入する計画とされています。
急いで全面切り替えをするのではなく、実運用で検証しながら段階的に広げる姿勢がうかがえます。

Shiritomo編集部の考察：数字より見るべきは「自前化」の流れ

今回の発表で本当に注目すべきは、性能の倍率そのものより「OpenAIがNvidia依存から一歩距離を置き始めた」という構造の変化だと考えます。
GoogleやAmazonもすでに自社AIチップを持っており、Jalapeñoの登場でOpenAIも同じ土俵に立ったことになります。

SNS運用やAI活用の現場にいる立場からすると、影響は「コスト」に出やすいはずです。
推論コストが下がれば、AIサービス側の値下げや無料枠拡大という形でユーザーに還元される可能性があります。
実際にJalapeñoが広く使われ始めるのは早くても2027年以降ですが、Nvidia一強という前提が崩れ始めた事実は、今後のAIサービス価格を占ううえで覚えておく価値があるでしょう。

まとめ

OpenAIは自社設計のAIチップ「Jalapeño」の実測ベンチマークを公開し、推論性能でNvidiaの現行機を上回ったと発表しました。
学習用途ではまだNvidiaが優位とされる中、まずは自社サービスの応答処理から自前化を進める段階に入ったといえそうです。

さらに深掘りしたい方へ

✓ あわせて読みたい

ChatGPTを動かすチップが変わる——OpenAIとBroadcomが「Jalapeño（ハラペーニョ）」を発表、GPU比50%コスト削減へ2026年6月の発表時の記事。 「ゼロから設計、9カ月でテープアウト」という開発スピードの背景を詳しく解説しています。

Jalapeñoのベンチマーク結果は、Tom’s Hardwareの報道でも詳しく取り上げられています。
数値の内訳や第三者の見方が気になる方はあわせてご覧ください。