OpenAI представила инференс-чип Jalapeño, Google — TPU восьмого поколения с разделением на обучение и инференс
Редакция ЦОД:Главное
На Hot Chips 2026 OpenAI публично представила Jalapeño — первый собственный чип компании для ИИ-инференса, разработанный при участии Broadcom в реализации кремния и сетевой части. Google представила TPU восьмого поколения в двух версиях: TPU 8t для обучения и TPU 8i для инференса.
- OpenAI представила Jalapeño как первый собственный чип для инференса больших языковых моделей.
- Broadcom участвовала в реализации кремния Jalapeño, сетевых решениях и подключении.
- Google выделила в TPU восьмого поколения отдельные версии для обучения и инференса: TPU 8t и TPU 8i.
- OpenAI заявляет для Jalapeño преимущество по производительности на ватт и снижение сквозной задержки в тестах с тремя моделями.
- Тренд на специализированные ускорители может повысить роль платформенно-ориентированного проектирования ИИ-кластеров в ЦОД.
Hot Chips 2026 продемонстрировала расширение круга разработчиков собственных ИИ-ускорителей за пределы традиционных поставщиков — Intel, AMD и NVIDIA. В обзоре мероприятия упоминаются разработки или презентации Google, Microsoft, Meta, OpenAI, Cerebras и SambaNova.
OpenAI представила Jalapeño как свой первый собственный чип, оптимизированный для инференса больших языковых моделей. За архитектуру отвечает OpenAI; Broadcom участвовала в реализации кремния, сетевых решениях и подключении.
По заявлениям OpenAI, в пиковом режиме Jalapeño обеспечивает для GPT-OSS 120B, DeepSeek R1 и Kimi K2.5 производительность на ватт в 1,5–1,9 раза выше систем сравнения. Метрика относится к ИТ-уровню. Также заявлено снижение сквозной задержки в 1,7–3,6 раза. Методика сравнения, конфигурации систем и условия измерений не раскрыты.
Google, в свою очередь, разделила TPU восьмого поколения на две специализированные версии: TPU 8t предназначен для обучения, TPU 8i — для инференса. Такое разделение отражает сегментацию аппаратных платформ по типам ИИ-нагрузок.
Для рынка ЦОД этот тренд может означать дальнейший уход от унифицированных конфигураций ускорительных серверов. Если специализированные платформы будут масштабироваться, операторам потребуется точнее увязывать параметры ИТ-оборудования с проектированием питания, охлаждения, сетевой инфраструктуры и закупочной моделью для конкретных кластеров.
Распространение специализированных ускорителей может смещать рынок от универсальных GPU к платформам, оптимизированным под конкретные модели и профили нагрузок. Для операторов ЦОД это может повысить значение совместного проектирования стоек, электропитания, охлаждения и сетей под конкретные аппаратные платформы.
- TechNews 科技新報 / КитайскийПервоисточник →
Материал подготовлен редакцией ЦОД:Главное на основе указанных первоисточников.