OpenAI ha progettato Jalapeño con i suoi LLM: chip da 13,4 petaflop
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
Jalapeño promette 13,4 petaflop in 4‑bit e 232 GB di memoria a 15,4 TB/s; la progettazione è stata accelerata usando i modelli linguistici di OpenAI.
13,4 petaflop a 4 bit. 232 gigabyte di memoria. Banda a 15,4 terabyte al secondo. OpenAI ha presentato Jalapeño, il suo primo acceleratore per l’inferenza, e lo ha messo a confronto diretto con GB300 di Nvidia, l’hardware oggi in uso nei suoi sistemi1. Nei test interni, Jalapeño riduce la latenza end‑to‑end fino a 3,6 volte e consuma meno energia. OpenAI avverte però che i dati andranno verificati quando il chip entrerà in servizio su larga scala nella propria flotta1.
L’azienda attribuisce ai propri modelli linguistici un ruolo nel percorso di progettazione. Dal primo concetto architetturale al primo silicio sono passati meno di 20 mesi. Dal primo RTL al tapeout, nove mesi1. Per tapeout, OpenAI indica il momento in cui il design finale viene inviato in produzione1. La fonte definisce rapida questa timeline rispetto alle prassi del settore1.
Le specifiche diffuse si concentrano su tre numeri: 13,4 petaflop in calcolo a 4 bit, 232 GB di memoria e 15,4 TB/s di connettività alla memoria1. Sono i parametri che OpenAI usa per misurare il salto rispetto all’hardware attuale e per giustificare il confronto con GB300, oggi riferimento operativo nei suoi data center1. Nel quadro delineato dall’azienda, il beneficio principale riguarda l’inferenza: dal prompt all’ultimo token, Jalapeño abbassa la latenza e migliora l’efficienza energetica rispetto al sistema Nvidia considerato1.
OpenAI non fornisce dettagli sulla distribuzione iniziale né su eventuali partner produttivi. Sottolinea però che i risultati comunicati derivano da test interni e che il loro valore reale dipenderà dalla messa in produzione su vasta scala. Lo stesso vale per le misure sui consumi, che andranno confermate in carico continuo1.
Sul metodo di sviluppo, l’azienda insiste sull’uso dei LLM per comprimere le fasi del ciclo del chip. Qui i riferimenti temporali sono gli unici dati concreti: meno di 20 mesi fino al primo silicio e nove mesi fino al tapeout dal primo RTL. L’indicazione è che i modelli hanno accelerato passaggi chiave tra descrizione RTL e consegna del design alla fonderia, ma senza rivelare strumenti o flussi specifici1.
La fonte riporta anche una valutazione esterna: il ritmo è già veloce, ma potrebbe sembrare lento tra poco. Con LLM più efficaci e più integrati nei flussi EDA, i prossimi progetti potrebbero comprimere ulteriormente tempi e iterazioni. Se Jalapeño reggerà il confronto in produzione, il banco di prova non sarà solo il chip. Sarà la catena di progettazione guidata dai modelli che OpenAI rivendica come vantaggio competitivo1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Il filo della storia
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.