OpenAIのJalapenoはAI競争を推論インフラの垂直統合へ進める

推論が、AI競争の主戦場になっている

OpenAIは2026年6月24日、BroadcomとLLM推論向けチップJalapenoを発表しました。OpenAIはこれを自社初のIntelligence Processorであり、複数世代のcompute platformの第一歩だと説明しています。Broadcomはチップ実装とネットワーク、Celesticaはボード、ラック、システム面で関わります。

ここで見るべきなのは「OpenAIが自社チップを作った」ことだけではありません。AIの価値が、モデルを作る力から、何億回、何十億回の推論を速く、安く、安定して返す力へ広がっていることです。ChatGPT、Codex、API、今後のエージェント製品は、すべて推論の待ち時間と単価に縛られます。

モデル会社が、物理スタックを握りにいく

OpenAIは、Jalapenoを現在と将来のLLM推論に合わせた設計だと説明しています。モデル、kernel、serving system、product needsを知る側が、チップ、メモリ移動、ネットワーク、スケジューリングまで合わせにいく。これは、単にNVIDIA依存を減らす話より広いです。

AIプロダクトの体験は、モデルだけで決まりません。長いタスクを待てるか、混雑時に落ちないか、APIを安く組み込めるか、Codexのような作業型AIが何ステップ走れるか。そうした上限は、データセンターの奥にある推論基盤で決まります。Jalapenoは、その上限をOpenAI自身が設計対象にしたということです。

エージェント時代は、推論コストを増幅する

チャットなら、1回の質問に1回の返答で終わります。エージェントは違います。調べる、計画する、コードを書く、テストする、失敗してやり直す、ログを残す。ひとつの依頼が多段の推論に分かれます。AIが仕事場に常駐するほど、推論は裏側で増えていきます。

だから、Jalapenoはエージェント時代の地味な制約に触れています。能力が上がっても、1タスクあたりの計算費が高すぎれば現場には広がりません。待ち時間が長すぎれば、作業フローに入れにくい。供給が不安定なら、基幹業務には載せにくい。推論インフラは、AI活用の実務上限そのものです。

企業が見るべき論点

企業が見るべき問いは、Jalapenoを直接買えるかではありません。自社が使うAIサービスは、どの計算基盤に依存しているのか。需要が増えた時に速度、価格、上限、可用性がどう変わるのか。地域、クラウド、データセンターパートナーの違いで使える機能に差が出るのか。

AI調達は、モデル名の比較だけでは足りなくなっています。推論基盤を持つ企業は、価格、速度、提供範囲を自分で調整しやすくなります。一方、利用企業は特定基盤への依存も増えます。AIを業務の実行基盤にするなら、モデル、クラウド、チップ、ログ、費用管理をひとつの調達リスクとして見る必要があります。

どう見るか

Jalapenoは、OpenAIがモデル企業から、推論インフラまで設計するAI基盤企業へ進むシグナルです。ソフトバンク堺工場が国内の物理AI基盤なら、JalapenoはOpenAI側の推論最適化された物理基盤です。どちらも、AIの競争がソフトウェアだけで終わらないことを示しています。

次に見るべきは、性能の詳細なtechnical reportと、2026年末までの初期展開がどの製品に効くかです。Codex、API、長時間エージェント、企業向け価格や上限に変化が出るなら、これはチップニュースではなく、AI活用のコスト構造が動いたニュースになります。

元ソース: OpenAI News