پیشرفت هوش مصنوعی زمانی سریعتر شتاب میگیرد که کل سیستم همزمان بهبود یابد. من راهبرد رایانشی OpenAI را اینگونه میبینم: سیستمی یکپارچه که مراکز داده و تراشهها، مدلهای پیشرو، پلتفرم توسعهدهندگان ما، محصولات مصرفی و سازمانی و دستگاههای بومی هوش مصنوعی را در بر میگیرد و هر لایه، لایهٔ بعدی را تقویت میکند.
نرمافزار بهتر، بهرهوری سختافزار را افزایش میدهد. سختافزاری که برای بارهای کاری ما طراحی شده است، سرعت و کارایی را بهبود میبخشد. مدلهای توانمندتر، محصولات بهتری را ممکن میکنند و این محصولات نیز تقاضا، استفاده و یادگیری بیشتری پدید میآورند. این سیگنالها به سراسر سیستم بازمیگردند و به ما کمک میکنند دوباره آن را بهبود دهیم.
امروز، نخستین نتایج سنجیدهشدهٔ عملکرد Jalapeño، اولین تراشهٔ سفارشی استنتاج OpenAI، را منتشر کردیم. در InferenceX، بنچمارکی عمومی که از GPT‑OSS 120B استفاده میکند، Jalapeño در مقایسه با سیستمهای تجاری، توان عملیاتی اوج بیشتری بهازای هر کیلووات و تأخیر توکن کمتری ارائه داد. این تراشه در DeepSeek R1 و Kimi K2 نیز عملکردی قوی داشت و نشان داد که مزایایش خانوادههای مختلف مدل را در بر میگیرد.
Jalapeño کنترل بیشتری بر نحوهٔ اجرای مدلها و صرفهٔ اقتصادی ارائهٔ آنها به ما میدهد. با توسعهٔ همزمان مدل، نرمافزار ارائه، تراشه، حافظه و شبکه، میتوانیم توان عملیاتی، تأخیر، بهرهوری انرژی و هزینه را در قالب یک سیستم بهبود دهیم. این رویکرد در کنار شتابدهندههایی که از شرکای دیگر میگیریم، مسیری معتبر و اختصاصی ایجاد میکند و توان ما را برای تطبیق هر بار کاری با قدرتمندترین سیستم و مناسبترین صرفهٔ اقتصادی افزایش میدهد. اکنون سیلیکون اختصاصی و عملیاتی با نتایج سنجیدهشده داریم و توسعهٔ نسلهای آینده نیز آغاز شده است.
بارهای کاری مختلف، نیازهای متفاوتی از سیستم دارند. آموزش مدلهای پیشرو، استنتاج در حجم بالا و عاملهای همیشهفعال، در زمینهٔ تراشه، نرمافزار، شبکه، توان و تأخیر نیازهای متفاوتی دارند.
هدف ما ماندن روی مرز پارتو است: اینکه برای هر بار کاری، همواره بهترین ترکیب توانمندی، سرعت، قابلیت اطمینان، کارایی و هزینه را جستوجو کنیم. تراشهها و ارائهدهندگان مختلف در ابعاد متفاوتی پیشتازند و مرز پیشرفت پیوسته جابهجا میشود.
سبد ما دامنهٔ لازم برای پاسخگویی به این نیازها را در اختیارمان میگذارد. توان رایانشی Microsoft و تراشههای NVIDIA از پایههای رشد OpenAI بودهاند. امروز سبد ما AWS، AMD، Broadcom، Cerebras، CoreWeave، Oracle، SB Energy و SoftBank را نیز شامل میشود. هر یک در حوزههایی چون زیرساخت ابری، رایانش شتابیافته، استنتاج کمتأخیر، توسعهٔ مراکز داده و تأمین انرژی، نقاط قوت متفاوتی دارند.
ما این سبد را با توجه همزمان به توانمندی و صرفهٔ اقتصادی، فعالانه مدیریت میکنیم. هرجا توانمندی بیشترین اهمیت را دارد از سیستمهای ممتاز استفاده میکنیم و هرجا مقیاس و هزینه مهمتر است، کارایی را بهینه میسازیم. حفظ گزینههای معتبر میان ارائهدهندگان، سختافزارها و الگوهای استقرار به ما امکان میدهد تقاضا را بهسوی بهترین عملکرد بهازای هر دلار هدایت کنیم، با تغییر شرایط بازار انضباط قیمتگذاری را حفظ کنیم و همزمان با ظهور فناوریهای قدرتمندتر، در مرز پیشرفت حرکت کنیم. کنترل مستقیم در جاهایی که یکپارچگی بیشتر میتواند کل سیستم را بهبود دهد، اهرم قدرت ایجاد میکند. هرجا زیستبوم به حرکت سریعتر ما کمک کند همکاری میکنیم و هرجا طراحی مشترک مزیتی معنادار پدید آورد، خودمان میسازیم.
مراکز داده اهرم دیگری برای پیشرفت ایجاد میکنند. پروژهٔ Camellia در جورجیا نشان میدهد چگونه میتوانیم تأسیسات را متناسب با بارهای کاری مشتریان طراحی کنیم و همزمان شغل بیافرینیم، از کسبوکارهای محلی حمایت کنیم، هزینههای زیرساخت و انرژی پروژه را پوشش دهیم، با سامانهای حلقهبسته در مصرف آب صرفهجویی کنیم و تعهدات پروژه را هر سال در معرض حسابرسی عمومی و مستقل قرار دهیم.
ارزش این سیستم با خروجی آن سنجیده میشود: هوشمندی مفیدتر از هر واحد توان رایانشی.
مدلهای بهتر با تلاشهای کمتری به پاسخ درست میرسند. مسیریابی و مدیریت هوشمندتر زمینه، کار هدررفته را کاهش میدهد. نرمافزار بهینه و سختافزار اختصاصی، سرعت و بهرهوری انرژی را بهبود میدهند.
در شاخص عامل کدنویسی Artificial Analysis، مدل GPT‑5.6 Sol با استدلال Max به رکورد تازهای رسید و در مقایسه با یک مدل پیشتاز دیگر، ۵۴٪ توکن خروجی کمتری مصرف کرد. برای مشتریان، چنین بهبودهایی به معنای نتایج سریعتر، محصولات قابلاعتمادتر، تلاشهای مجدد کمتر، عاملهایی است که گردشکارهای طولانیتری را تکمیل میکنند و هزینهٔ کل کمتری برای انجام موفق کار دارند. بهترین صرفهٔ اقتصادی از هوشمندی مفید بهازای هر دلار به دست میآید.
هرچه هوشمندی مفید توانمندتر و مقرونبهصرفهتر شود، انجام کارهای بیشتری از نظر اقتصادی عملی خواهد شد. یک شرکت میتواند به هر مشتری تحلیلی متناسب ارائه دهد، همهٔ قراردادها را بررسی کند، سناریوهای مالی را بهصورت زنده اجرا کند و به مهندسان برای آزمودن ایدههای بیشتر کمک کند. این همان پارادوکس جونز است: کارایی بیشتر، کاربردهای بیشتری را بهصرفه میکند و با افزایش کارهای تکمیلشده، تصمیمهای بهتر، محصولات عرضهشدهٔ بیشتر و درآمد بالاتر، مصرف و فعالیت اقتصادی تازهای پدید میآورد.
توان رایانشی پربازدهتر و پایگاه تأمین رقابتیتر به ما کمک میکند با هزینهای کمتر به مشتریان بیشتری خدمت کنیم و مزایای این افزایش کارایی را به کاربران انتقال دهیم. رشد، سرمایهگذاری مستمر در پژوهش، زیرساخت و ایمنی را تأمین میکند. این مزیت فزایندهٔ OpenAI است: فناوری بهتر، صرفهٔ اقتصادی بهتری ایجاد میکند؛ صرفهٔ اقتصادی بهتر، موج بعدی پیشرفت را تأمین مالی میکند؛ و هر دستاورد، کل سیستم را قدرتمندتر میسازد.
