OpenAI использовала ИИ для разработки своего чипа, но столкнулась с тем, что сгенерированный код оказался непонятен людям
OpenAI продолжает удивлять: сначала они представили собственный чип для ИИ-инференса Jalapeño, который обходит NVIDIA по эффективности, а затем выяснилось, что часть кода для этого чипа написана нейросетью, и инженеры не могут понять, как он работает. Звучит как сценарий научной фантастики, но это реальность. Разбираемся, как компания дошла до жизни такой и что будет дальше.
Чип Jalapeño: прорыв в эффективности ИИ-инференса
Не просто «ещё один ускоритель», а смена парадигмы
Самое интересное — Jalapeño уже не пылится на чертежной доске. Инженерные образцы трудятся в лаборатории на целевой частоте и мощности, и, судя по данным OpenAI, они гоняют рабочие нагрузки. Включая GPT-5.3-Codex-Spark. Да, тот самый случай, когда чип не просто тестируют синтетикой, а сразу запускают на нём тяжелую артиллерию. Производительность на ватт? По предварительным замерам — существенно выше, чем у всего, что считается актуальным мейнстримом.
Цифры, которые уже просочились в сеть, выглядят как фантастика. На моделях GPT-OSS 120B, DeepSeek R1 и Kimi K2.5 Jalapeño выдавал в 1,5–1,9 раза больше полезной работы на каждый потраченный ватт. Задержка ответа при этом падала в 1,7–3,6 раза. А на самых интерактивных задачах, где каждая миллисекунда ожидания бесит пользователя, разрыв доходил до 4,1 раза. Для ИИ-агентов, которые делают десятки последовательных шагов, это вообще переломный момент: там задержки складываются как снежный ком, и малейшая оптимизация радикально ускоряет весь процесс.
Секрет такой эффективности — не в магии, а в архитектуре. Jalapeño беспощадно сокращает перемещение данных между блоками и грамотно балансирует вычислительные мощности, память и сетевые ресурсы. За счёт этого реальная утилизация железа приближается к теоретическому пику, а не болтается на жалких процентах, как у многих универсальных решений.
Отдельный респект Broadcom: партнёры OpenAI отвечают за кремниевую реализацию и сетевые технологии, включая знаменитый Tomahawk. А Celestica помогает вывести платформу в масштабируемое производство, взяв на себя интеграцию систем. Похоже, у NVIDIA появился очень зубастый конкурент. И его имя — в честь острого перца.
Код, написанный ИИ: инженеры не понимают, но принимают
Инженеры OpenAI оказались в положении средневековых алхимиков: они используют снадобье, но понятия не имеют, из чего оно состоит. Аналитик SemiAnalysis Джордан Нанос недавно поделился любопытной деталью: при разработке AI-ускорителя Jalapeño часть кода для ядра была сгенерирована нейросетью Codex, и когда программисты попытались разобрать его построчно, они просто не смогли объяснить, как именно он работает. Команда понимает лишь общий принцип, но не погружается в детали — и это их вполне устраивает.
Нанос уточняет: сотрудники OpenAI не видят проблемы, пока ИИ сам понимает, что написал, тестирует этот код, и результаты соответствуют ожиданиям. Для них это норма. Мы уже живем в таймлайне, где разбираться во внутреннем устройстве технологии — опция, а не необходимость. Программирование стремительно превращается в магию: оно работает, но никто не знает, как.
Конечно, в теории все прекрасно, пока ИИ не сходит с ума. Одна лишняя запятая — и все ломается, интернет падает, инженеры бегают с криками. Но, как отмечает Нанос, план надежный, как швейцарский сыр. OpenAI, кстати, на своем официальном сайте (https://openai.com) активно рекламирует достижения Jalapeño, но о том, что код — черный ящик для самих разработчиков, предпочитает умалчивать.
В любом случае, это наглядный пример того, как ИИ-инструменты меняют саму суть инженерии. Раньше программист должен был понимать каждый бит кода. Теперь — достаточно, чтобы машина понимала. И пока это работает, никто не паникует. Но как только случится сбой, мы узнаем, насколько хрупка эта новая реальность.
Скорость разработки и будущее инфраструктуры OpenAI
OpenAI использовала собственные нейросети не только для создания моделей, но и для разработки самого чипа. От первого дизайна до готового проекта команда дошла всего за девять месяцев — и это во многом заслуга Codex, который помогал писать и оптимизировать код. В отдельных вычислительных блоках код, сгенерированный ИИ, оказался в 1,5–1,8 раза быстрее того, что написали эксперты-люди. Такой подход не только ускорил процесс, но и продемонстрировал, что инструменты вроде OpenAI Chat способны самостоятельно решать сложные инженерные задачи.
Впрочем, быстрая разработка — лишь часть стратегии. Президент OpenAI Грег Брокман заявил: «Мир движется к экономике, основанной на вычислениях. Jalapeño — часть нашей долгосрочной стратегии полного стека, чтобы сделать вычисления более доступными». Компания уже подтвердила, что планирует начать устанавливать Jalapeño в собственную инфраструктуру до конца 2026 года. Это значит, что уже в ближайшие годы мы увидим, как чипы, спроектированные с помощью ИИ, будут работать в реальных дата-центрах.
Похоже, мы вступаем в эру, где границы между разработчиком и инструментом стираются. Если код, написанный ИИ, оказывается эффективнее человеческого, но непонятен людям — это и пугает, и восхищает. Остаётся только гадать, чем обернётся такой подход: приведёт ли он к технологическому прорыву или однажды одна лишняя запятая обрушит интернет. А пока мы будем следить за новостями и обязательно расскажем вам.