OpenAI bietet seine Modelle für das Chipdesign an und setzt darauf, dass die Kosten die Open-Source-Lösung übertreffen

OpenAI erweitert seine fortschrittlichen Modelle auf die Bereiche Chipdesign, Biowissenschaften und Finanzen und argumentiert, dass sich ein Modell mit höheren Anfangskosten dadurch auszahlen kann, dass es eine Aufgabe mit weniger Versuchen erledigt.

Reuters berichtete am 9. September, dass Finanzchefin Sarah Friar dieses Argument auf der Communacopia + Technology Conference von Goldman Sachs am 7. September in San Francisco vorbrachte.

Für Unternehmen, die zwischen High-End- und Low-Cost-Modellen wählen müssen, verändert dies die Diskussion. Anstatt zu fragen, welches Modell den niedrigsten Token-Preis hat, möchte OpenAI, dass Kunden berücksichtigen, welches Modell die günstigste Auftragsabwicklung bietet.

Chipdesign als Keil, nicht als EDA-Ersatz

OpenAI beabsichtigt nicht, die von Ingenieuren derzeit zur Chipentwicklung eingesetzten Systeme zur Automatisierung destronChipdesigns zu ersetzen. Vielmehr tragen die Lösungen von OpenAI zur Verbesserung dieser Prozesse bei, indem sie Ingenieure bei der Problemanalyse, der Bewertung von Lösungsansätzen und der Beschleunigung bestimmter Aufgaben unterstützen.

Laut Friar steigt die Nachfrage nach KI, die für spezifische Aufgaben entwickelt wurde. Wie Reuters berichtet, testet OpenAI außerdem ein Geschäftsmodell, bei dem der Preis nicht vom Verbrauch, sondern von der Effektivität der KI für das jeweilige Unternehmen abhängt.

Dies deckt sich mit Friars Beitrag vom 17. Juli, in dem er die Bedeutung des „Nützlichen pro Dollar“ gegenüber dem Tokenpreis hervorhob. Während ein günstigeres Modell mehrere Wiederholungsversuche, Überprüfungen und menschliches Eingreifen erfordern könnte, könnte sich ein teureres Modell als kostengünstigere Option erweisen, da es schneller zum Ergebnis führt.

Jalapeño als hauseigener Beweis

Der beste Beweis für die Innovationskraft von OpenAI ist Jalapeño, ihr erster selbst entwickelter Inferenzchip. Das Unternehmen gab am 25. August in einem Beitrag , dass seine KI-Technologie es ermöglichte, Jalapeño innerhalb von nur neun Monaten von der Konzeption bis zur Fertigung zu bringen.

Dank KI konnten die Zyklen von Design, Messung und Verifizierung verkürzt werden. KI wurde außerdem eingesetzt, um die Leistung der Rechenschaltungen zu verbessern und den fertigen Chip zu programmieren.

OpenAI behauptete, dass die Leistung des Jalapeño-Chips bei der KI-Arbeit pro Watt 1,5- bis 1,9-mal höher sei als bei den entsprechenden Nvidia-Geräten GB200 und GB300, die für die Berechnungen von GPT-OSS 120B, DeepSeek R1 und Kimi K2.5 verwendet wurden.

Laut Informationen von Cryptopolitan vom 25. August ist der von Broadcom entwickelte Chip ausschließlich für OpenAI bestimmt und nicht für den freien Markt. Die hier präsentierten Statistiken stammen daher nur von OpenAI. SemiAnalysis beobachtete die InferenceX-Testläufe, konntedentdie vollständige Testsuite jedoch nicht unabhängig reproduzieren

Das Kosten-pro-Aufgabe-Argument, überprüft anhand externer Daten

Friar erklärte gegenüber Reuters, dass OpenAIs Entscheidung, die Kosten ihres günstigeren Produkts Luna drastisch zu senken, zu einer fast zehnfachen Steigerung der Nutzung beigetragen und die Zahl der Codex-Nutzer auf 25 Millionen erhöht habe.

Unabhängigedent Tests liefern Hinweise auf die Preisangabe. Analysis vergleicht die Preisgestaltung von GPT-5.6 Luna mit der von GLM-5.3 von Z.ai und ermittelt für eine Standardaufgabe einen Preis von etwa 0,18 US-Dollar für Luna gegenüber 2,01 US-Dollar für GLM-5.3.

Allerdings handelt es sich hierbei nicht um einen einseitigen Vergleich. GLM-5.3 erreichte im Intelligenzindex für künstliche Intelligenz 45 Punkte, während Luna nur 38 Punkte erzielt. OpenAI hat somit einen Preisvorteil pro Standardaufgabe, ist aber nicht unbedingt die leistungsstärkste KI.

Ein Gebiet, das OpenAI erst spät betritt

KI-gestütztes Chipdesign ist bereits etabliert. Synopsys gibt an, dass sein generativer KI-Copilot die Informationsabrufzeit um 40 % und die Lösungszeit um das 10- bis 20-Fache verkürzen kann.

Cadence gab am 1. Juni bekannt , dass sein autonomer KI-Ingenieur ChipStack die Validierungszyklen einiger RTL-Dateien von fünf Wochen auf weniger als einen Tag verkürzen kann. Googles AlphaChip wird ebenfalls in fortschrittlichen Chips von Alphabet eingesetzt.

Das eigentliche Alleinstellungsmerkmal von OpenAI ist also nicht die Behauptung, dass KI bei der Chipentwicklung helfen kann. Es ist vielmehr das Argument, dass die firmeneigenen Modelle dies zu geringeren Kosten pro erfolgreichem Ergebnis ermöglichen.

Warum die Einsätze immer weiter steigen

Der Markt hinter dieser Argumentation ist enorm. PwC prognostizierte am 2. September , dass die weltweiten Investitionen in KI-Infrastruktur bis 2050 31,6 Billionen US-Dollar, wobei die jährlichen Ausgaben von rund 800 Milliarden US-Dollar im Jahr 2026 auf 1,8 Billionen US-Dollar im Jahr 2050. Regelmäßige Chip- und Server-Upgrades dürften einen Großteil dieser Ausgaben ausmachen.

Der OECD-Bericht vom 10. Juli über die Märkte für KI stellt eine Gegenposition dar: Die qualitätsbereinigten Preise für KI-Modelle sanken zwischen Januar 2024 und April 2026 um fast 80 %, obwohl Rechenleistung, Chips und andere kritische Inputfaktoren weiterhin hoch konzentriert blieben.

OpenAI setzt darauf, dass eine engere Integration von Modellen, Software und Chips diese Konzentration in einen Effizienzvorteil umwandelt. Gelingt dies, könnten die Kosten pro abgeschlossener Aufgabe wichtiger werden als der Tokenpreis – und zu einem weiteren Faktor werden, der KI in Richtung Full-Stack-Anbieter treibt.