OpenAI anunció el 24 de junio de 2026 a Jalapeño, su primer chip propio de inteligencia artificial, creado junto a Broadcom y fabricado por TSMC. El hallazgo no está solo en su potencia: la compañía pasó de la arquitectura, el plano general del chip, al silicio en menos de 20 meses.
Además, el equipo llevó el código a fabricación en solo nueve meses. Para una industria donde diseñar hardware avanzado suele exigir grandes presupuestos, equipos masivos y varias generaciones de prueba, la velocidad se convirtió en la pieza clave del proyecto.
Richard Ho, vicepresidente de hardware de OpenAI, explica que los modelos de IA están dando “superpoderes” a los ingenieros. Sin embargo, la empresa subraya un límite central: la inteligencia artificial acelera a especialistas, pero todavía no reemplaza su criterio.
Un copiloto para construir el engranaje digital
La analogía más cercana es la de una casa. OpenAI usó sus propios modelos como un asistente capaz de revisar planos, proponer conexiones y detectar incoherencias antes de que llegue el cemento. Es decir, ayudó a construir el cableado lógico del chip antes de convertirlo en un objeto físico.
También te puede interesar:OpenAI Lanza el Modo Visión en Tiempo Real y Compartir Pantalla en EuropaLa IA funcionó como un copiloto de diseño, no como el arquitecto que firma y levanta la obra. El equipo humano decidió qué habitaciones necesitaba la casa digital, cómo circularían los datos y qué interruptor debía priorizarse para responder más rápido.
Su aporte fue mayor en el front-end (la fase de escritura del código), una parte parecida a programar software. Allí se emplearon herramientas como XLS, un sistema para expresar circuitos con código, donde los modelos pueden sugerir cambios y ahorrar tareas repetitivas.
En cambio, el back-end (la fase física del diseño) siguió siendo territorio de Broadcom y de ingenieros humanos. Esa etapa define cómo se acomodan millones de componentes sobre el silicio y cómo se evitan problemas de calor, energía o conexiones defectuosas.
El mecanismo revela por qué un equipo de menos de 100 personas, en promedio, pudo avanzar tan rápido. OpenAI diseñó el sistema completo y Broadcom se ocupó de traducir ese plano a un chip fabricable. No fue un botón mágico: fue una oficina pequeña con mejores herramientas sobre el escritorio.
También te puede interesar:OpenAI Lanza el Modo Visión en Tiempo Real y Compartir Pantalla en EuropaMás velocidad para las respuestas de IA
Según datos publicados por la propia OpenAI, Jalapeño alcanza 13,4 petaflops, una medida de cálculos por segundo, con precisión de 4 bits. También accede a 232 gigabytes de memoria avanzada y mueve información a 15,4 terabytes por segundo.
La cifra más práctica está en la latencia, el tiempo que tarda una consulta en recibir respuesta. OpenAI afirma que Jalapeño puede reducir ese recorrido completo hasta 3,6 veces frente a la GB300 de Nvidia, con menor consumo energético.
Para quien usa un asistente de IA, esa mejora podría sentirse como abrir una canilla con más presión: las respuestas llegarían con menos espera, incluso cuando miles de personas usan el sistema al mismo tiempo. El beneficio no depende solo de que el modelo sea inteligente, sino de que su infraestructura pueda mover datos sin atascarse.
Jalapeño también abre una oportunidad estratégica. Google tiene sus TPU, chips especializados para IA, y Microsoft desarrolló Maia con un objetivo similar: depender menos de Nvidia. OpenAI todavía usa tecnología de esa empresa, pero ahora suma una alternativa propia dentro de un plan de infraestructura de varios años.
La lección es menos futurista de lo que parece. La IA ya puede ordenar parte del taller donde se fabrica su propio motor, mientras los ingenieros conservan las llaves y deciden hacia dónde va el coche.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
