I progressi nel campo dell'IA sono più rapidi quando l'intero sistema migliora in modo coordinato. È così che concepisco la strategia di elaborazione di OpenAI: un sistema integrato che abbraccia data center e chip, modelli all'avanguardia, la nostra piattaforma per sviluppatori, prodotti per consumatori e aziende, nonché dispositivi nativi per l'IA, in cui ogni livello rafforza quello successivo.
Un software migliore rende l’hardware più produttivo. L’hardware progettato per i nostri carichi di lavoro migliora la velocità e l’efficienza. Modelli più capaci consentono di realizzare prodotti migliori, che generano maggiore domanda, utilizzo e apprendimento. Questi segnali tornano a circolare nel sistema e ci aiutano a migliorarlo ancora.
Oggi abbiamo condiviso i primi risultati prestazionali misurati di Jalapeño, il primo chip di inferenza personalizzato di OpenAI. Su InferenceX, un benchmark pubblico che utilizza GPT‑OSS 120B, Jalapeño ha raggiunto un throughput di picco per kilowatt superiore e una latenza per token inferiore rispetto ai sistemi commerciali inclusi nel confronto. Ha inoltre ottenuto ottimi risultati con DeepSeek R1 e Kimi K2, dimostrando che i vantaggi si estendono a diverse famiglie di modelli.
Jalapeño ci offre un maggiore controllo sull’esecuzione dei nostri modelli e sui costi della loro erogazione. Sviluppando insieme modello, software di erogazione, chip, memoria e rete, possiamo migliorare throughput, latenza, efficienza energetica e costi come un unico sistema. Ci offre una valida alternativa proprietaria, accanto agli acceleratori dei nostri partner, ampliando la nostra capacità di abbinare ogni carico di lavoro al sistema più efficace e conveniente. Ora disponiamo di silicio proprietario operativo, con risultati misurati e le generazioni future sono già in fase di sviluppo.
Carichi di lavoro diversi impongono esigenze diverse al sistema. L’addestramento di frontiera, l’inferenza su larga scala e gli agenti sempre attivi hanno requisiti diversi in termini di chip, software, reti, energia e latenza.
Il nostro obiettivo è rimanere sulla frontiera di Pareto, cercando costantemente la combinazione migliore di capacità, velocità, affidabilità, efficienza e costi per ogni carico di lavoro. Chip e fornitori diversi eccellono in ambiti diversi, e la frontiera continua a spostarsi.
Il nostro portafoglio ci offre la flessibilità necessaria per soddisfare queste esigenze. La capacità di calcolo di Microsoft e i chip di NVIDIA sono stati fondamentali per la crescita di OpenAI. Oggi il nostro portafoglio include anche AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy e SoftBank. Ciascuno offre punti di forza diversi nell’infrastruttura cloud, nel calcolo accelerato, nell’inferenza a bassa latenza, nello sviluppo di data center e nella fornitura di energia.
Gestiamo attivamente questo portafoglio sia dal punto di vista delle funzionalità che da quello economico. Utilizziamo sistemi di fascia alta laddove le funzionalità sono fondamentali e ottimizziamo l’efficienza laddove la scalabilità e i costi sono più rilevanti. Mantenere una scelta credibile tra fornitori, hardware e modelli di implementazione ci consente di orientare la domanda verso il miglior rapporto prestazioni/costo, mantenere la disciplina dei prezzi al mutare delle condizioni di mercato e stare al passo con l’evoluzione tecnologica man mano che emergono tecnologie più avanzate. Il controllo diretto offre un vantaggio competitivo laddove una maggiore integrazione può migliorare l’intero sistema. Stringiamo partnership laddove l’ecosistema ci aiuta a muoverci più rapidamente e sviluppiamo soluzioni laddove la progettazione congiunta crea un vantaggio significativo.
I data center rappresentano un’altra leva strategica. Il Progetto Camellia in Georgia mostra come possiamo progettare strutture in funzione dei carichi di lavoro dei clienti, creando al contempo posti di lavoro, sostenendo le imprese locali, coprendo i costi infrastrutturali ed energetici del progetto, preservando l’acqua mediante un sistema a circuito chiuso e sottoponendo gli impegni assunti a una verifica pubblica annuale e indipendente.
Il valore di questo sistema si misura da ciò che produce: più intelligenza utile per ogni unità di calcolo.
I modelli più efficaci raggiungono la risposta corretta con un minor numero di tentativi. Un instradamento più intelligente e una gestione più efficace del contesto riducono gli sprechi di lavoro. Il software ottimizzato e l’hardware appositamente progettato migliorano la velocità e l’efficienza energetica.
Nell’Artificial Analysis Coding Agent Index, GPT‑5.6 Sol con ragionamento max ha raggiunto un nuovo massimo utilizzando il 54% di token di output in meno rispetto a un altro modello leader. Per i clienti, miglioramenti come questi significano risultati più rapidi, prodotti più affidabili, meno tentativi ripetuti, agenti in grado di completare flussi di lavoro più lunghi e un costo totale inferiore per portare a termine le attività. Il miglior rapporto economico deriva dall’intelligenza utile per ogni dollaro speso.
Man mano che l’intelligenza utile diventa più capace e accessibile, aumenta il numero di attività economicamente sostenibili. Un’azienda può fornire analisi personalizzate a ogni cliente, esaminare ogni contratto, simulare scenari finanziari in tempo reale e aiutare gli ingegneri a testare più idee. È il paradosso di Jevons: una maggiore efficienza rende convenienti più utilizzi, aumentando i consumi e creando nuova attività economica grazie a più lavoro completato, decisioni migliori, più prodotti lanciati e maggiori ricavi generati.
Una capacità di calcolo più produttiva e una base di fornitori più competitiva ci aiutano a servire più clienti a costi inferiori e a trasferire agli utenti i benefici di tale efficienza. La crescita finanzia investimenti continui nella ricerca, nell’infrastruttura e nella sicurezza. Questo è il vantaggio cumulativo di OpenAI: una tecnologia migliore genera condizioni economiche migliori, che finanziano la successiva ondata di progresso, e ogni miglioramento rafforza l’intero sistema.
