A mesterséges intelligencia fejlődése akkor gyorsul fel leginkább, ha a teljes rendszer együtt javul. Én így gondolkodom az OpenAI számítási stratégiájáról: egyetlen integrált rendszerként, amely az adatközpontoktól és chipektől az élvonalbeli modelleken, fejlesztői platformunkon, lakossági és vállalati termékeinken át az eleve MI-re tervezett eszközökig terjed, és amelyben minden réteg erősíti a következőt.
A jobb szoftver hatékonyabbá teszi a hardvert. A munkaterheléseinkre tervezett hardver növeli a sebességet és a hatékonyságot. A nagyobb képességű modellek jobb termékeket tesznek lehetővé, amelyek növelik a keresletet és a használatot, valamint több tanulsággal szolgálnak. Ezek a jelzések visszajutnak a rendszerbe, és segítenek tovább javítani azt.
Ma közzétettük a Jalapeño, az OpenAI első egyedi inferenciachipjének első mért teljesítményeredményeit. Az InferenceX GPT‑OSS 120B-t használó nyilvános tesztjén a Jalapeño kilowattonként nagyobb adatátviteli csúcsteljesítményt és kisebb tokenkésleltetést ért el, mint az összehasonlításban szereplő kereskedelmi rendszerek. A DeepSeek R1 és a Kimi K2 esetében is kiválóan teljesített, ami azt mutatja, hogy az előnyei több modellcsaládra is kiterjednek.
A Jalapeño nagyobb ellenőrzést biztosít afelett, hogyan futnak a modelljeink, és milyen költséggel szolgáljuk ki őket. A modell, a kiszolgálószoftver, a chip, a memória és a hálózat közös fejlesztésével egyetlen rendszerként javíthatjuk az adatátviteli egységet, a késleltetést, az energiahatékonyságot és a költségeket. Ez az egyéb partnereinktől használt gyorsítók mellett megbízható, saját fejlesztésű alternatívát teremt, és javítja azon képességünket, hogy minden munkaterheléshez a legjobb teljesítményű, megfelelő költségű rendszert válasszuk. Már működő, saját fejlesztésű szilíciumunk van mért eredményekkel, a következő generációk fejlesztése pedig már folyamatban van.
A különböző munkaterhelések eltérő követelményeket támasztanak a rendszerrel szemben. Az élvonalbeli modellek betanítása, a nagy volumenű inferencia és a folyamatosan működő ügynökök eltérő követelményeket támasztanak a chipekkel, a szoftverekkel, a hálózatokkal, az energiaellátással és a késleltetéssel szemben.
Célunk, hogy a Pareto-határon maradjunk: minden munkaterheléshez folyamatosan a képességek, a sebesség, a megbízhatóság, a hatékonyság és a költségek lehető legerősebb kombinációját keressük. Más-más szempontok szerint különböző chipek és szolgáltatók járnak az élen, a technológiai élvonal pedig folyamatosan változik.
Portfóliónk kellően sokrétű ahhoz, hogy megfeleljünk ezeknek az igényeknek. A Microsoft számítási kapacitása és az NVIDIA chipjei meghatározó szerepet játszottak az OpenAI növekedésében. Portfóliónk ma már az AWS, az AMD, a Broadcom, a Cerebras, a CoreWeave, az Oracle, az SB Energy és a SoftBank megoldásait is magában foglalja. Mindegyikük más-más erősségekkel rendelkezik a felhő-infrastruktúra, a gyorsított számítástechnika, az alacsony késleltetésű inferencia, az adatközpont-fejlesztés és az energiaellátás terén.
Portfóliónkat a képességek és a gazdaságosság szempontjából is aktívan kezeljük. Prémium rendszereket használunk ott, ahol a képességek a legfontosabbak, és a hatékonyságot optimalizáljuk ott, ahol a méret és a költség számít jobban. A szolgáltatók, hardverek és telepítési modellek közötti valódi választási lehetőség megőrzésével a keresletet a legjobb ár-teljesítmény arányú megoldások felé irányíthatjuk, a piaci feltételek változásakor is fenntarthatjuk az árképzési fegyelmet, és az új, erősebb technológiák megjelenésével lépést tarthatunk az élvonallal. A közvetlen ellenőrzés ott biztosít nagyobb mozgásteret, ahol a szorosabb integráció az egész rendszert javíthatja. Ott működünk együtt partnerekkel, ahol az ökoszisztéma gyorsabb előrehaladást tesz lehetővé, és ott fejlesztünk saját megoldást, ahol a közös tervezés érdemi előnyt teremt.
Az adatközpontok további stratégiai előnyt kínálnak. A georgiai Project Camellia megmutatja, hogyan tervezhetünk az ügyfelek munkaterheléseihez igazodó létesítményeket úgy, hogy közben munkahelyeket teremtünk, támogatjuk a helyi vállalkozásokat, fedezzük a projekt infrastruktúra- és energiaköltségeit, zárt rendszerrel takarékoskodunk a vízzel, vállalásaink teljesítését pedig évente független, nyilvános ellenőrzésnek vetjük alá.
A rendszer értékét az mutatja meg, mit állít elő: minden egységnyi számítási kapacitásból több hasznos intelligenciát.
A jobb modellek kevesebb próbálkozással jutnak el a helyes válaszhoz. Az intelligensebb útválasztás és kontextuskezelés csökkenti a felesleges munkát. Az optimalizált szoftver és a célfeladatra tervezett hardver növeli a sebességet és az energiahatékonyságot.
Az Artificial Analysis Coding Agent Indexen a GPT‑5.6 Sol Max szintű érveléssel új csúcsot ért el, miközben 54%-kal kevesebb kimeneti tokent használt, mint egy másik vezető modell. Az ügyfelek számára az ilyen fejlesztések gyorsabb eredményeket, megbízhatóbb termékeket, kevesebb újrapróbálkozást, hosszabb munkafolyamatokat elvégző ügynököket és az eredményes munka alacsonyabb összköltségét jelentik. A legjobb gazdaságosságot az egy dollárra jutó hasznos intelligencia biztosítja.
Ahogy a hasznos intelligencia egyre nagyobb képességűvé és megfizethetőbbé válik, egyre több feladat elvégzése lesz gazdaságilag észszerű. Egy vállalat minden ügyfelének személyre szabott elemzést nyújthat, minden szerződést felülvizsgálhat, valós idejű pénzügyi forgatókönyveket futtathat, és segíthet a mérnököknek több ötletet kipróbálni. Ez a Jevons-paradoxon: a nagyobb hatékonyság több felhasználási módot tesz kifizetődővé, ami növeli a fogyasztást és új gazdasági tevékenységet teremt az elvégzett munka, a jobb döntések, a piacra vitt termékek és a megtermelt bevétel növelésével.
A termelékenyebb számítási kapacitás és a versenyképesebb beszállítói kör segít, hogy több ügyfelet szolgáljunk ki alacsonyabb költséggel, és a hatékonyság javulásából a felhasználók is részesüljenek. A növekedés finanszírozza a kutatásba, az infrastruktúrába és a biztonságba irányuló további beruházásokat. Ez az OpenAI önmagát erősítő előnye: a jobb technológia nagyobb gazdaságosságot teremt, ez finanszírozza a fejlődés következő hullámát, és minden új eredmény erősebbé teszi az egész rendszert.
