OpenAI bygger egen inferensbrikke med Broadcom

OpenAI går lenger ned i verdikjeden. Selskapet har sammen med Broadcom vist frem Jalapeño, en egen inferensbrikke bygget for store språkmodeller. Det er ikke en vanlig GPU-nyhet. Det er et tydelig signal om at de største AI-aktørene ikke lenger vil være rene programvareselskaper.

OpenAI beskriver Jalapeño som sin første “Intelligence Processor”. Brikken er designet for LLM-inferens, altså den delen av AI-kjeden som faktisk betjener brukere i ChatGPT, Codex, API-er og fremtidige agentprodukter. Ifølge selskapet er den første generasjonen utviklet sammen med Broadcom og Celestica, med Broadcom på silisium, nettverk og implementering, og Celestica på kort, rack og systemintegrasjon.

Det mest interessante er tempoet og ambisjonen. OpenAI sier at Jalapeño gikk fra innledende design til produksjonsklar tape-out på ni måneder, og at egne modeller ble brukt til å akselerere deler av design- og optimaliseringsarbeidet. Engineering-prøver kjører allerede ML-arbeidslaster i lab ved mål for produksjonsfrekvens og effekt, inkludert GPT-5.3-Codex-Spark, ifølge selskapet.

OpenAI måler fortsatt endelig ytelse. Likevel hevder selskapet at tidlige tester viser vesentlig bedre ytelse per watt enn dagens beste alternativer. Det tekniske regnestykket kommer senere. Det strategiske regnestykket er allerede synlig.

OpenAI vil eie mer av kostbasen

For CIO-er og CFO-er er dette en kostnyhet forkledd som brikkenyhet. Inferens er der AI blir dyrt i drift. Trening får overskriftene, men hverdagskostnaden kommer når millioner av brukere, agenter og API-kunder ber modellene om arbeid hele dagen. Hvis OpenAI kan redusere energibruk, ventetid og kapasitetsbehov per forespørsel, påvirker det både marginer og prispress i markedet.

Det er også en leverandørnyhet. OpenAI har til nå vært tett knyttet til NVIDIA, skykapasitet og store datasenteravtaler. En egen ASIC endrer ikke dette over natten. Brikken skal etter planen inn i en fler-generasjons plattform og rulles ut med datasenterpartnere i gigawatt-skala fra 2026. Broadcom-sjef Hock Tan peker i OpenAI-teksten på Microsoft og andre partnere som del av utrullingen.

Det betyr at OpenAI prøver å flytte mer av kontrollen fra innkjøp av standard akseleratorer til design av egen produksjonsmaskin. Det er samme logikk som har drevet Google TPU, Amazon Trainium og Microsoft Maia. Forskjellen er at OpenAI kobler dette direkte til sine egne modeller, produkter og inntektsmotor.

For norske virksomheter er poenget ikke om de selv skal kjøpe Jalapeño. Poenget er at AI-leverandørene nå bygger mer lukkede, optimaliserte og kapitaltunge stacks. Det kan gi lavere enhetskostnader for kundene. Det kan også gjøre leverandørbytte vanskeligere.

Inferens blir styringspunktet

OpenAI sier brikken er en blank design for moderne LLM-inferens, ikke en generell akselerator tilpasset gamle arbeidslaster. Den er bygget rundt modellkjerner, minneflyt, nettverk, planlegging og serveringsmønstre selskapet kjenner fra egne produkter. Målet er høy gjennomstrømming, lavere ventetid og bedre utnyttelse av teoretisk ytelse.

Det bør treffe styrerommet. Når virksomheter legger kundedialog, saksbehandling, kodeproduksjon og beslutningsstøtte på AI-tjenester, er inferens ikke bare et teknisk spørsmål. Det blir et spørsmål om svartid, tilgjengelighet, pris, energibruk og beredskap. En leverandør som kontrollerer modellen, produktet, runtime, nettverk og brikke får bedre mulighet til å optimalisere. Kunden får mindre innsyn i hvor gevinstene og risikoene ligger.

Det norske innkjøpsspørsmålet blir derfor mer presist: Hvilken del av AI-stacken binder vi oss til, og hvor er exit-planen? Mange virksomheter vurderer fortsatt AI som en applikasjon eller et API. Markedet beveger seg mot industrisystemer der regnekraft, modellarkitektur, dataflyt og produktfunksjoner er tett pakket sammen.

Dette endrer også risikobildet for AI FinOps. Pris per token blir et synlig tall, men ikke hele sannheten. Ledelsen må forstå kapasitetsgarantier, kømekanismer, regioner, databehandlerledd, energikost og hvilke modeller som faktisk kjører på hvilken infrastruktur. Når leverandøren eier mer av stakken, blir den kommersielle forhandlingen mer lik skyavtaler og mindre lik programvarelisens.

NVIDIA mister ikke grepet, men får mer press

Det er fristende å lese Jalapeño som et angrep på NVIDIA. Det blir for enkelt. De store AI-miljøene kommer fortsatt til å bruke enorme mengder GPU-er. NVIDIA eier også et økosystem av nettverk, programvare og utviklerverktøy som ikke erstattes av én brikke.

Men OpenAI/Broadcom-samarbeidet viser hvor presset flytter seg. De største modellhusene vil ikke være passive kjøpere av akseleratorer. De vil påvirke brikkedesign, nettverk og datasenterarkitektur slik at deres egne modeller får best mulig økonomi. Broadcom er en naturlig partner i en slik verden, fordi selskapet allerede leverer mye av den skreddersydde silisium- og nettverkskompetansen hyperscalerne trenger.

For kunder betyr det flere typer AI-kapasitet. Noe blir generisk sky-GPU. Noe blir spesialiserte inferensplattformer. Noe blir suverene eller regionale alternativer. Det er bra for konkurransen, men gjør leverandørkartet mer komplisert.

Hva norske ledere bør gjøre nå

Det første tiltaket er å skille mellom modellvalg og plattformvalg. En virksomhet kan si at den bruker en bestemt modellfamilie, men den reelle avhengigheten ligger ofte i økosystemet rundt: identitet, logging, sikkerhetsfunksjoner, datakoblinger, agent-runtime og nå også spesialisert infrastruktur.

Det andre er å kreve bedre forklaring på kostdriverne. Hvis AI-forbruket vokser, holder det ikke å se på månedlig API-faktura. Spør leverandøren hvordan kapasitet prises, hvilke regioner som brukes, om inferens er bundet til bestemte maskinvareplattformer, og hvordan ytelse og tilgjengelighet prioriteres når etterspørselen øker.

Det tredje er å holde exit-muligheter levende. Egen brikke kan gi billigere og raskere AI. Den kan også forsterke forskjellen mellom å bruke en modell og å bli operasjonelt avhengig av et helt AI-operativsystem. For store norske virksomheter er dette et klassisk styringsspørsmål: standardisering gir fart, men kan låse forhandlingsmakt.

Jalapeño er derfor mer enn en teknisk milepæl. Det er et varsel om neste fase i AI-markedet. De ledende aktørene bygger ikke bare bedre modeller. De bygger produksjonsapparatet som avgjør hvem som kan levere AI billig, raskt og stabilt når bruken blir daglig drift.

Kilder og medier

Primærkilde: OpenAI, “OpenAI and Broadcom unveil LLM-optimized inference chip”, https://openai.com/index/openai-broadcom-jalapeno-inference-chip/

Kildekreditering: OpenAI.

Thumbnail: OpenAI Image 2 / hogby.ai