AI의 발전은 전체 시스템이 함께 개선될 때 가장 빠르게 가속됩니다. 저는 OpenAI의 컴퓨팅 전략을 이렇게 바라봅니다. 데이터 센터와 칩, 프런티어 모델, 개발자 플랫폼, 소비자·기업용 제품, AI 네이티브 기기를 아우르는 하나의 통합 시스템으로서, 각 계층이 다음 계층을 강화하는 구조입니다.
더 나은 소프트웨어는 하드웨어의 생산성을 높입니다. 워크로드에 맞게 설계된 하드웨어는 속도와 효율을 높입니다. 성능이 더 뛰어난 모델은 더 나은 제품을 가능하게 하고, 이는 더 많은 수요와 사용, 학습으로 이어집니다. 이러한 신호는 시스템 전반으로 되돌아와 시스템을 다시 개선하는 데 도움을 줍니다.
오늘 공개한 내용은 OpenAI의 첫 자체 추론 칩 Jalapeño에서 측정한 최초의 성능 결과입니다. GPT‑OSS 120B를 사용하는 공개 벤치마크 InferenceX에서 Jalapeño는 비교 대상 상용 시스템보다 킬로와트당 최대 처리량이 높고 토큰 지연 시간은 짧았습니다. DeepSeek R1과 Kimi K2에서도 강력한 성능을 보여, 이러한 향상이 여러 모델 제품군에 걸쳐 나타남을 입증했습니다.
Jalapeño를 통해 모델의 실행 방식과 서비스 제공 비용 구조를 더 폭넓게 제어할 수 있습니다. 모델, 서빙 소프트웨어, 칩, 메모리, 네트워크를 함께 개발하면 처리량, 지연 시간, 에너지 효율, 비용을 하나의 시스템 차원에서 개선할 수 있습니다. 또한 다른 파트너의 가속기와 병행할 수 있는 신뢰도 높은 자체 경로를 확보해, 각 워크로드를 가장 뛰어난 시스템에 적절한 비용으로 배치할 역량을 넓혀 줍니다. 이제 측정 결과로 성능이 입증된 자체 실리콘을 실제로 확보했으며, 차세대 제품 개발도 이미 진행 중입니다.
워크로드에 따라 시스템에 요구되는 사항도 달라집니다. 프런티어 모델 훈련, 대규모 추론, 상시 작동 에이전트는 칩, 소프트웨어, 네트워크, 전력, 지연 시간 측면에서 서로 다른 요건을 갖습니다.
우리의 목표는 파레토 프런티어를 유지하는 것입니다. 각 워크로드에 맞춰 성능, 속도, 신뢰성, 효율, 비용의 최적 조합을 끊임없이 모색합니다. 칩과 공급업체마다 강점을 보이는 영역이 다르며, 프런티어는 계속해서 변화합니다.
우리의 포트폴리오는 이러한 요구에 대응할 폭넓은 선택지를 제공합니다. Microsoft의 컴퓨팅 자원과 NVIDIA의 칩은 OpenAI의 성장에 토대가 되어 왔습니다. 현재 포트폴리오에는 AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy, SoftBank도 포함됩니다. 각 파트너는 클라우드 인프라, 가속 컴퓨팅, 저지연 추론, 데이터 센터 개발, 에너지 공급 분야에서 서로 다른 강점을 제공합니다.
우리는 성능과 경제성을 모두 고려해 이 포트폴리오를 적극적으로 관리합니다. 성능이 가장 중요한 곳에는 프리미엄 시스템을 사용하고, 규모와 비용이 더 중요한 곳에서는 효율을 최적화합니다. 공급업체, 하드웨어, 배포 모델 전반에서 신뢰도 높은 선택지를 유지하면 수요를 비용 대비 성능이 가장 뛰어난 곳으로 유도하고, 시장 상황이 변해도 가격 규율을 지키며, 더 강력한 기술의 등장에 맞춰 프런티어와 함께 나아갈 수 있습니다. 더 긴밀한 통합으로 전체 시스템을 개선할 수 있는 영역에서는 직접 제어가 경쟁력을 높입니다. 생태계의 도움으로 더 빠르게 나아갈 수 있는 곳에서는 협력하고, 공동 설계가 의미 있는 우위를 만드는 곳에서는 직접 구축합니다.
데이터 센터도 또 하나의 경쟁력 원천입니다. 조지아주의 Project Camellia는 고객 워크로드에 맞춰 시설을 설계하는 동시에 일자리를 창출하고, 지역 기업을 지원하며, 프로젝트 인프라 및 에너지 비용을 부담하고, 폐쇄형 순환 시스템으로 물을 절약하며, 약속 이행 여부를 매년 독립적인 공개 감사를 통해 검증받을 수 있음을 보여 줍니다.
이 시스템의 가치는 산출물로 측정됩니다. 즉, 컴퓨팅 자원 한 단위마다 얼마나 더 유용한 지능을 만들어 내는지가 중요합니다.
더 나은 모델은 더 적은 시도로 정답에 도달합니다. 더 스마트한 라우팅과 컨텍스트 관리는 불필요한 작업을 줄입니다. 최적화된 소프트웨어와 전용 하드웨어는 속도와 에너지 효율을 높입니다.
Artificial Analysis Coding Agent Index에서 최대 추론을 사용한 GPT‑5.6 Sol은 또 다른 선도 모델보다 출력 토큰을 54% 적게 사용하면서 최고 기록을 경신했습니다. 고객에게 이러한 개선은 더 빠른 결과, 더 신뢰할 수 있는 제품, 더 적은 재시도, 더 긴 워크플로를 완수하는 에이전트, 성공적인 작업에 드는 총비용 절감을 의미합니다. 최상의 경제성은 비용 대비 유용한 지능에서 나옵니다.
유용한 지능의 성능이 높아지고 가격이 낮아질수록 더 많은 작업이 경제적으로 가능해집니다. 기업은 모든 고객에게 맞춤형 분석을 제공하고, 모든 계약서를 검토하며, 실시간 재무 시나리오를 실행하고, 엔지니어가 더 많은 아이디어를 시험하도록 도울 수 있습니다. 이것이 제번스 역설입니다. 효율이 높아지면 더 많은 활용 사례가 경제성을 갖게 되고, 소비가 확대되며, 더 많은 작업의 완료와 더 나은 의사 결정, 더 많은 제품 출시, 더 큰 매출 창출을 통해 새로운 경제 활동이 일어납니다.
생산성이 더 높은 컴퓨팅 자원과 경쟁력 있는 공급 기반은 더 낮은 비용으로 더 많은 고객에게 서비스를 제공하고, 이러한 효율 향상의 혜택을 사용자에게 전달하는 데 도움이 됩니다. 성장은 연구, 인프라, 안전에 대한 지속적인 투자를 뒷받침합니다. 이것이 OpenAI의 복리처럼 커지는 경쟁력입니다. 더 나은 기술은 더 나은 경제성을 만들고, 더 나은 경제성은 다음 발전을 위한 투자를 뒷받침하며, 각각의 성과는 전체 시스템을 더욱 강하게 만듭니다.
