Эффективное развитие искусственного интеллекта происходит быстрее всего тогда, когда вся система совершенствуется как единое целое. Именно по такому принципу сегодня строится комплексная инфраструктура OpenAI: интегрированная среда, объединяющая дата-центры, чипы, передовые модели, платформу для разработчиков, потребительские сервисы и ИИ-устройства. В этой цепочке каждый уровень напрямую усиливает следующий: качественный софт повышает производительность аппаратной части, оборудование под конкретные нагрузки увеличивает скорость, а более продвинутые модели привлекают пользователей и генерируют новые данные для обучения всей системы.

Собственный чип Jalapeño и стандарты производительности

Недавно компания представила первые результаты тестирования Jalapeño — своего первого специализированного чипа для инференса. На публичном бенчмарке InferenceX с моделью GPT-OSS 120B чип Jalapeño показал более высокую пиковую пропускную способность на киловатт и меньшую задержку токенов, чем коммерческие аналоги из сравнения. Он также продемонстрировал отличные результаты при работе с моделями DeepSeek R1 и Kimi K2, доказав применимость своих преимуществ для разных архитектурных семейств.

Собственный кремний обеспечивает лучший контроль над работой моделей и экономикой их обслуживания. Совместная разработка модели, софта, процессора, памяти и сетевой архитектуры позволяет комплексно улучшать пропускную способность, задержки, энергоэффективность и общую стоимость вычислений. Это создает надежную альтернативу ускорителям от сторонних партнеров и расширяет возможности по распределению рабочих нагрузок. Первое поколение собственного кремния уже функционирует и показывает реальные результаты, а разработка будущих версий уже ведется.

Управление портфелем мощностей и баланс

Различные задачи предъявляют неодинаковые требования к ресурсам. Обучение передовых моделей, масштабный инференс и непрерывно работающие ИИ-агенты нуждаются в совершенно разных конфигурациях чипов, софта, сетей и задержек. Главная цель — постоянно находиться на границе Парето, подбирая оптимальный баланс возможностей, скорости, надежности и стоимости для каждого процесса. Поскольку разные чипы и поставщики лидируют в различных аспектах, диверсифицированный портфель партнеров позволяет гибко закрывать эти потребности.

Вычислительные мощности Microsoft и чипы NVIDIA исторически важны для роста компании. Сегодня в ее портфель также входят AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy и SoftBank. Каждый партнер предлагает уникальные преимущества — от облачной инфраструктуры и ускоренных вычислений до низколатентного инференса, проектирования дата-центров и поставок энергии. Компания активно управляет этим портфелем, задействуя премиальные системы там, где критически важна максимальная производительность, и оптимизируя затраты при масштабных вычислениях.

Гибкость выбора провайдеров и оборудования позволяет направлять запросы на системы с лучшим соотношением цены и производительности, поддерживая ценовую дисциплину. Прямой контроль ценен там, где глубокая интеграция улучшает систему в целом. Компания использует партнерства, если они ускоряют процессы, и собственные разработки (co-design) там, где совместное проектирование создает весомые преимущества.

Эффективность дата-центров и проект Camellia

Другой точкой роста эффективности становятся дата-центры. Проект Camellia в Джорджии демонстрирует проектирование инфраструктуры под конкретные рабочие нагрузки при поддержке местного сообщества: создании рабочих мест, финансировании локальных сетей и энергетики. Объект сводит к минимуму вред окружающей среде за счет замкнутой системы водяного охлаждения и ежегодно проходит независимый публичный аудит.

В конечном счете ценность этой масштабной системы измеряется полезным выходом: объемом интеллекта на единицу вычислений. Более совершенные модели требуют меньше попыток для ответа, умная маршрутизация снижает объем напрасной работы, а оптимизированный софт и специализированное железо повышают скорость и энергоэффективность.

В индексе Artificial Analysis Coding Agent Index модель GPT-5.6 Sol в режиме максимального рассуждения установила новый рекорд, затрачивая при этом на 54% меньше выходных токенов по сравнению с другой ведущей системой. Пользователям подобные технологические прорывы приносят ускорение расчетов, повышенную надежность продуктов, сокращение числа повторных запросов, а также способность агентов выполнять более продолжительные сценарии при снижении итоговых затрат на выполнение задач. Наиболее выгодная экономика формируется за счет показателя полезного интеллекта на один доллар. По мере того как интеллектуальные системы становятся доступнее и эффективнее, экономически целесообразными начинают казаться задачи, ранее не подходившие под эти критерии.

Компания получает возможность готовить персонализированную аналитику для каждого клиента, проверять любые договоры, просчитывать финансовые сценарии в реальном времени и помогать инженерам тестировать больше гипотез. Здесь проявляется парадокс Джевонса: рост эффективности стимулирует расширение сфер применения, увеличивает потребление и формирует новую экономическую активность за счет выполнения большего объема работы, принятия качественных решений, вывода на рынок новых продуктов и генерации дополнительной выручки. Рост производительности вычислительных систем и развитие конкурентной базы поставщиков позволяют обслуживать большее число пользователей с минимальными издержками, транслируя эту экономию конечной аудитории. Полученный рост финансирует дальнейшие инвестиции в исследования, безопасность и развитие инфраструктуры OpenAI, формируя кумулятивное преимущество: совершенные технологии улучшают экономику процессов, та, в свою очередь, оплачивает следующий этап прогресса, а каждое новое достижение укрепляет систему в целом.

Источник: openai.com