OpenAI y Broadcom desarrollan el chip Jalapeño para reducir la dependencia de Nvidia

OpenAI colabora con Broadcom para diseñar su primer chip de inteligencia artificial propio, con el nombre en clave Jalapeño. Este silicio personalizado busca optimizar el rendimiento de inferencia y diversificar la cadena de suministro de hardware de la empresa más allá de su actual dependencia de las GPU de Nvidia.

Este cambio indica un movimiento hacia pilas integradas verticalmente donde el silicio personalizado puede reducir los costes de inferencia y mejorar la latencia para los modelos de producción. Sugiere que los equipos empresariales podrían necesitar pronto gestionar despliegues en arquitecturas de hardware cada vez más heterogéneas.

  • El chip Jalapeño está diseñado específicamente para tareas de inferencia de IA de alta eficiencia
  • Broadcom aporta la experiencia en silicio subyacente y la integración del diseño para el proyecto
  • OpenAI busca asegurar capacidad de fabricación dedicada a través de TSMC para la producción en 2026
IA soberana IA generativa Machine Learning
Todas las noticias de IA

Más noticias de IA

Modelos

Moonshot AI presenta Kimi K3.1 Pro y una variante de alta velocidad para evaluación comercial

Moonshot AI ha lanzado oficialmente su modelo Kimi K3.1 Pro junto con una versión de alta velocidad dedicada y diseñada para un procesamiento más rápido. Las organizaciones que evalúan el lanzamiento están examinando minuciosamente los costes operativos y las políticas de gestión de datos del proveedor antes de comprometerse con el despliegue en producción.

Modelos

Kimi K3.1 Pro asegura el quinto lugar en la tabla de clasificación SevenLab AI

Kimi K3.1 Pro, del desarrollador Kimi, ha entrado oficialmente en el top diez de la tabla de clasificación SevenLab AI, asegurando la quinta posición general. La prueba de referencia realiza un seguimiento de los modelos fundacionales líderes mediante una metodología especializada ajustada al valor, derivada de los datos de evaluación de Artificial Analysis.

Modelos

La selección de hardware empresarial para LLM locales prioriza la capacidad y el ancho de banda de la memoria

Los equipos empresariales que evalúan hardware para ejecutar modelos de lenguaje locales deben centrarse en la capacidad y el ancho de banda de la memoria por encima de la potencia de cálculo pura. La arquitectura de memoria unificada permite que las estaciones de trabajo de desarrollo carguen modelos con mayores parámetros directamente en memoria. Los líderes de planificación están evaluando estas especificaciones para garantizar una inferencia en el dispositivo que resulte rentable.

Ready to build something extraordinary?

15 minutes. No pitch deck. Just a conversation about what AI can do for your team.

Talk directly with our AI specialists

15 min, sin compromiso
Sin presión comercial
Prototipo en 7 días