AI ก้าวหน้าได้รวดเร็วที่สุดเมื่อทั้งระบบพัฒนาไปด้วยกัน ฉันจึงมองกลยุทธ์ด้านการประมวลผลของ OpenAI เป็นระบบเดียวที่เชื่อมโยงตั้งแต่ศูนย์ข้อมูลและชิป โมเดลระดับแนวหน้า แพลตฟอร์มสำหรับนักพัฒนา ผลิตภัณฑ์สำหรับผู้บริโภคและองค์กร ไปจนถึงอุปกรณ์ที่ออกแบบมาเพื่อ AI โดยเฉพาะ ซึ่งแต่ละส่วนช่วยเสริมศักยภาพให้ส่วนถัดไป
ซอฟต์แวร์ที่ดีขึ้นช่วยให้ฮาร์ดแวร์ทำงานได้อย่างมีประสิทธิผลยิ่งขึ้น ฮาร์ดแวร์ที่ออกแบบมาให้เหมาะกับเวิร์กโหลดของเราช่วยเพิ่มความเร็วและประสิทธิภาพ โมเดลที่มีความสามารถมากขึ้นเปิดทางสู่ผลิตภัณฑ์ที่ดีขึ้น ซึ่งสร้างทั้งอุปสงค์และการใช้งานที่เพิ่มขึ้น พร้อมสร้างข้อมูลที่ช่วยให้เราเรียนรู้มากขึ้น สิ่งที่เราเรียนรู้เหล่านี้จะย้อนกลับไปช่วยให้เราพัฒนาทั้งระบบให้ดียิ่งขึ้นอีกครั้ง
วันนี้เราได้เผยแพร่ผลการวัดประสิทธิภาพครั้งแรกของ Jalapeño ซึ่งเป็นชิปสำหรับการอนุมานที่ OpenAI ออกแบบขึ้นเองเป็นรุ่นแรก ในการทดสอบ InferenceX ซึ่งเป็นเกณฑ์มาตรฐานสาธารณะที่ใช้ GPT‑OSS 120B นั้น Jalapeño ทำอัตราการประมวลผลสูงสุดต่อกิโลวัตต์ได้มากกว่า และใช้เวลาในการสร้างแต่ละโทเค็นน้อยกว่าระบบเชิงพาณิชย์ที่นำมาเปรียบเทียบ นอกจากนี้ Jalapeño ยังทำผลงานได้ดีบน DeepSeek R1 และ Kimi K2 ซึ่งแสดงให้เห็นว่าประสิทธิภาพที่เพิ่มขึ้นไม่ได้จำกัดอยู่เพียงโมเดลตระกูลเดียว
Jalapeño ช่วยให้เราควบคุมการทำงานของโมเดลและต้นทุนในการให้บริการโมเดลได้มากขึ้น การพัฒนาโมเดล ซอฟต์แวร์สำหรับให้บริการ ชิป หน่วยความจำ และเครือข่ายไปพร้อมกัน ช่วยให้เราปรับปรุงอัตราการประมวลผล เวลาในการตอบสนอง ประสิทธิภาพการใช้พลังงาน และต้นทุนได้ในระดับทั้งระบบ Jalapeño ยังเป็นอีกทางเลือกที่เราพัฒนาและควบคุมเอง ควบคู่กับชิปเร่งการประมวลผลจากพันธมิตรรายอื่น ทำให้เราเลือกใช้ระบบที่เหมาะและมีประสิทธิภาพสูงสุดสำหรับงานแต่ละประเภทในต้นทุนที่เหมาะสมได้มากขึ้น ขณะนี้เรามีชิปที่พัฒนาขึ้นเองซึ่งใช้งานได้จริงและมีผลการวัดประสิทธิภาพแล้ว และรุ่นต่อๆ ไปก็กำลังอยู่ระหว่างการพัฒนา
เวิร์กโหลดแต่ละประเภทมีข้อกำหนดต่อระบบแตกต่างกัน การฝึกโมเดลระดับแนวหน้า การอนุมานปริมาณสูง และเอเจนต์ที่ทำงานตลอดเวลาต่างมีข้อกำหนดด้านชิป ซอฟต์แวร์ เครือข่าย พลังงาน และความหน่วงที่แตกต่างกัน
เป้าหมายของเราคือการรักษาจุดสมดุลที่ดีที่สุดตามหลักพาเรโต โดยมองหาส่วนผสมที่ดีที่สุดอย่างต่อเนื่องระหว่างความสามารถ ความเร็ว ความน่าเชื่อถือ ประสิทธิภาพ และต้นทุนสำหรับงานแต่ละประเภท ชิปและผู้ให้บริการแต่ละรายมีจุดเด่นต่างกัน และจุดสมดุลที่ดีที่สุดนี้ก็เปลี่ยนแปลงอยู่ตลอดเวลา
พอร์ตโฟลิโอของเรามีทางเลือกที่ครอบคลุมพอจะตอบโจทย์ทุกความต้องการเหล่านั้น โครงสร้างพื้นฐานด้านการประมวลผลของ Microsoft และชิปของ NVIDIA เป็นรากฐานสำคัญที่ช่วยให้ OpenAI เติบโตมาจนถึงทุกวันนี้ ปัจจุบันเรายังร่วมงานกับ AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy และ SoftBank ซึ่งแต่ละรายมีจุดแข็งแตกต่างกัน ทั้งด้านโครงสร้างพื้นฐานคลาวด์ การประมวลผลแบบเร่งความเร็ว การอนุมานที่มีเวลาแฝงต่ำ การพัฒนาศูนย์ข้อมูล และการจัดหาพลังงาน
เราบริหารตัวเลือกเหล่านี้อย่างจริงจังโดยคำนึงถึงทั้งขีดความสามารถและความคุ้มค่าด้านต้นทุน เราเลือกใช้ระบบระดับสูงในงานที่ต้องการขีดความสามารถมากที่สุด และเน้นประสิทธิภาพในงานที่ให้ความสำคัญกับการรองรับการใช้งานในวงกว้างและต้นทุน การมีตัวเลือกที่เชื่อถือได้ทั้งในด้านผู้ให้บริการ ฮาร์ดแวร์ และรูปแบบการนำระบบไปใช้งาน ช่วยให้เราเลือกใช้ระบบที่ให้ประสิทธิภาพสูงสุดเมื่อเทียบกับต้นทุน รักษาวินัยด้านราคาเมื่อสภาวะตลาดเปลี่ยนแปลง และปรับตัวตามเทคโนโลยีที่ดีที่สุดซึ่งพัฒนาไปอย่างต่อเนื่อง การควบคุมเทคโนโลยีบางส่วนโดยตรงช่วยเพิ่มความได้เปรียบในจุดที่การผสานระบบให้แน่นแฟ้นยิ่งขึ้นสามารถยกระดับทั้งระบบได้ เราเลือกทำงานร่วมกับพันธมิตรเมื่อระบบนิเวศช่วยให้เราเดินหน้าได้เร็วขึ้น และพัฒนาขึ้นเองเมื่อการออกแบบร่วมกันสร้างความได้เปรียบที่ชัดเจน
ศูนย์ข้อมูลเป็นอีกหนึ่งจุดที่สร้างความได้เปรียบ Project Camellia ในรัฐจอร์เจียแสดงให้เห็นว่าเราสามารถออกแบบสถานที่ให้เหมาะกับเวิร์กโหลดของลูกค้า พร้อมทั้งสร้างงาน สนับสนุนธุรกิจท้องถิ่น รับผิดชอบต้นทุนโครงสร้างพื้นฐานและพลังงานของโครงการ อนุรักษ์น้ำด้วยระบบหมุนเวียนแบบปิด และให้หน่วยงานอิสระตรวจสอบข้อผูกพันของโครงการต่อสาธารณะเป็นประจำทุกปีได้อย่างไร
คุณค่าของระบบนี้วัดจากผลลัพธ์ที่ได้ นั่นคือการสร้างประโยชน์จาก AI ให้ได้มากขึ้นจากทรัพยากรการประมวลผลทุกหน่วย
โมเดลที่ดีขึ้นหาคำตอบที่ถูกต้องได้โดยใช้ความพยายามน้อยครั้งลง การกำหนดเส้นทางและจัดการบริบทที่ชาญฉลาดขึ้นช่วยลดการทำงานที่สูญเปล่า ซอฟต์แวร์ที่ปรับแต่งมาอย่างดีและฮาร์ดแวร์ที่สร้างขึ้นเฉพาะงานช่วยเพิ่มความเร็วและประสิทธิภาพการใช้พลังงาน
ใน Artificial Analysis Coding Agent Index นั้น GPT‑5.6 Sol ที่ใช้การให้เหตุผลระดับสูงสุดทำคะแนนสูงสุดเป็นประวัติการณ์ พร้อมใช้โทเค็นเอาต์พุตน้อยกว่าโมเดลชั้นนำอีกรุ่นถึง 54% สำหรับลูกค้า การพัฒนาในลักษณะนี้หมายถึงผลลัพธ์ที่รวดเร็วขึ้น ผลิตภัณฑ์ที่เชื่อถือได้มากขึ้น ลดการลองใหม่ เอเจนต์ทำเวิร์กโฟลว์ที่ยาวขึ้นได้จนจบ และลดต้นทุนรวมในการทำงานให้สำเร็จ ความคุ้มค่าสูงสุดเกิดจากการสร้างประโยชน์จาก AI ให้ได้มากที่สุดต่อเงินที่จ่ายไป
เมื่อ AI ที่สร้างประโยชน์ได้จริงมีความสามารถมากขึ้นและเข้าถึงได้ในราคาที่ถูกลง งานอีกหลายประเภทก็มีความคุ้มค่ามากพอที่จะนำ AI มาใช้ บริษัทสามารถวิเคราะห์ข้อมูลให้เหมาะกับลูกค้าแต่ละราย ตรวจสอบสัญญาทุกฉบับ จำลองสถานการณ์ทางการเงินแบบเรียลไทม์ และช่วยให้วิศวกรทดสอบแนวคิดได้มากขึ้น นี่คือปรากฏการณ์ Jevons paradox เมื่อประสิทธิภาพสูงขึ้น การนำเทคโนโลยีไปใช้ในด้านต่างๆ ก็คุ้มค่ามากขึ้น ส่งผลให้การใช้งานเพิ่มขึ้นและเกิดกิจกรรมทางเศรษฐกิจใหม่ๆ จากการทำงานได้สำเร็จมากขึ้น การตัดสินใจที่ดีขึ้น การเปิดตัวผลิตภัณฑ์ที่มากขึ้น และรายได้ที่เพิ่มขึ้น
ทรัพยากรการประมวลผลที่ทำงานได้อย่างมีประสิทธิภาพมากขึ้นและมีผู้ให้บริการในตลาดที่แข่งขันกันมากขึ้น ช่วยให้เรารองรับลูกค้าได้มากขึ้นด้วยต้นทุนที่ต่ำลง และส่งต่อประโยชน์จากประสิทธิภาพที่เพิ่มขึ้นนี้ไปยังผู้ใช้ การเติบโตช่วยสร้างเงินทุนสำหรับการลงทุนอย่างต่อเนื่องในด้านการวิจัย โครงสร้างพื้นฐาน และความปลอดภัย นี่คือความได้เปรียบของ OpenAI ที่ต่อยอดและทวีผลอย่างต่อเนื่อง เทคโนโลยีที่ดีขึ้นช่วยให้ต้นทุนและความคุ้มค่าดีขึ้น ความคุ้มค่าที่ดีขึ้นช่วยสนับสนุนเงินทุนสำหรับความก้าวหน้าระลอกถัดไป และทุกความก้าวหน้าจะช่วยให้ทั้งระบบแข็งแกร่งยิ่งขึ้น
