OpenAI wirbt mit seinen Modellen für das Chipdesign und setzt auf Kostenvorteile gegenüber Open-Source
- OpenAI erweitert den Einsatz fortschrittlicher KI in den Bereichen Chipdesign, Life Sciences und Finanzwesen und argumentiert dabei, dass die Kosten pro abgeschlossener Aufgabe wichtiger sind als der Token-Preis.
- Das Unternehmen verweist auf seinen Inference-Chip Jalapeño als Beleg dafür, dass KI die Chipentwicklung beschleunigen kann; das Projekt erreichte nach neun Monaten die Tapeout-Phase.
- OpenAIs Strategie kommt zu einem Zeitpunkt, an dem Wettbewerber bereits KI im Halbleiterdesign einsetzen, wodurch Ausführungsqualität und ergebnisorientierte Wirtschaftlichkeit die größeren Differenzierungsmerkmale darstellen.
OpenAI erweitert seine fortschrittlichen Modelle in die Bereiche Chipdesign, Life Sciences und Finanzen und argumentiert, dass ein Modell mit höheren Vorabkosten sich auszahlen kann, indem es eine Aufgabe mit weniger Versuchen ausführt.
Reuters berichtete am 9. September, dass CFO Sarah Friar dieses Argument auf der Communacopia + Technology Conference von Goldman Sachs in San Francisco am 7. September vorbrachte.
Für Unternehmen, die zwischen High-End- und kostengünstigen Modellen entscheiden müssen, verändert dies die Debatte. Anstatt zu fragen, welches Modell den niedrigsten Token-Preis hat, möchte OpenAI, dass Kunden stattdessen berücksichtigen, welches Modell die günstigste abgeschlossene Aufgabe bietet.
Chipdesign als Keil, nicht als EDA-Ersatz
OpenAI versucht nicht, elektronische Entwurfsautomatisierungssysteme (EDA) zu verdrängen, die Ingenieure derzeit zur Entwicklung von Chips einsetzen. Seine Lösungen unterstützen vielmehr die Verbesserung dieser Prozesse, indem sie den Ingenieuren helfen, Probleme zu analysieren, Ansätze zu bewerten und bestimmte Aufgaben zu beschleunigen.
Laut Friar wächst die Nachfrage nach KI, die für spezifische Aufgaben entwickelt wurde. Wie von Reuters berichtet, testet OpenAI auch ein Geschäftsmodell, bei dem der Preis davon abhängt, wie effektiv die KI für das jeweilige Unternehmen ist, anstatt von der Verbrauchsmenge.
Dies stimmt mit dem Beitrag von Friar vom 17. Juli überein, der die Bedeutung von „Nützlicher Intelligenz pro Dollar“ im Vergleich zum Token-Preis betonte. Während ein günstigeres Modell mehrere Wiederholungen und Überprüfungen sowie menschliches Eingreifen erfordern könnte, kann ein teureres Modell sich als kosteneffektivere Option erweisen, da es schneller zum Ergebnis kommt.
Jalapeño als interner Beweis
Die klarste Demonstration von OpenAIs Erfindungsgeist ist Jalapeño, ihr allererster maßgeschneiderter Inference-Chip. Das Unternehmen erklärte in einem Beitrag vom 25. August, dass seine KI-Technologie den Übergang von Jalapeño von der Konzeptionsphase bis zum Tapeout in nur neun Monaten ermöglichte.
Dank der KI wurden die Zyklen für Design, Messung und Verifikation verkürzt. KI wurde auch eingesetzt, um die Leistung der arithmetischen Schaltungen zu verbessern und den fertigen Chip zu programmieren.
OpenAI behauptete, die Leistung des Jalapeño-Chips sei bei der KI-Arbeit pro Watt im Vergleich zu Nvidias GB200- und GB300-Äquivalentgeräten, die zur Durchführung der Berechnungen durch GPT-OSS 120B, DeepSeek R1 und Kimi K2.5 verwendet wurden, um das 1,5- bis 1,9-fache höher gewesen.
Laut den von Cryptopolitan am 25. August bereitgestellten Informationen ist der von Broadcom entworfene Chip ausschließlich für OpenAIs Zwecke bestimmt und nicht zum Verkauf auf dem Markt bestimmt. Diese Statistiken sind daher ausschließlich OpenAIs Zahlen. SemiAnalysis beobachtete die InferenceX-Läufe, reproduzierte die vollständige Testsuite jedoch nicht unabhängig.
Das Argument der Kosten pro Aufgabe, überprüft gegen externe Daten
Friar erklärte, dass OpenAIs Entscheidung, den Preis für ihr günstigeres Produkt Luna zu senken, zu einem fast zehnfachen Wachstum in seiner Nutzung beigetragen habe, sowie die Anzahl der Codex-Nutzer auf 25 Millionen erhöht habe, so Reuters.
Unabhängige Tests liefern einige Beweise für die Preisbehauptung. Artificial Analysis vergleicht die Preise von GPT-5.6 Luna mit Z.ais GLM-5.3 und ermittelt den Preis für Luna bei rund 0,18 US-Dollar im Vergleich zu GLM-5.3 bei 2,01 US-Dollar für eine Standardaufgabe.
Dies ist jedoch nicht genau ein einseitiger Vergleich. GLM-5.3 erzielte 45 Punkte im Intelligence Index von Artificial Analysis, was Luna nur 38 Punkte einbringt. Somit hat OpenAI einen Vorteil beim Preis pro Standardaufgabe, ist aber nicht unbedingt die am besten performende KI.
Ein Feld, das OpenAI spät betritt
KI-unterstütztes Chipdesign ist bereits gut etabliert. Synopsys sagt, dass sein generatives KI-Copilot die Zeit für die Informationsbeschaffung um 40 % verkürzen und die Time-to-Solution um das 10- bis 20-fache reduzieren kann.
Cadence sagte am 1. Juni, dass sein autonomer ChipStack-KI-Ingenieur einige RTL-Validierungszyklen von fünf Wochen auf weniger als einen Tag reduzieren kann. Google’s AlphaChip wurde auch in fortschrittlichen Chips von Alphabet eingesetzt.
Der eigentliche Unterschied von OpenAI ist dann nicht die Behauptung, dass KI beim Chipdesign helfen kann. Es ist das Argument, dass seine proprietären Modelle dies zu niedrigeren Kosten pro erfolgreichem Ergebnis tun können.
Warum die Einsätze weiter steigen
Der Markt hinter diesem Argument ist enorm. PwC sagte am 2. September, dass die globalen KI-Infrastruktur-Kapitalkosten bis 2050 31,6 Billionen US-Dollar erreichen könnten, wobei die jährlichen Ausgaben von etwa 800 Milliarden US-Dollar im Jahr 2026 auf 1,8 Billionen US-Dollar im Jahr 2050 steigen. Wiederkehrende Chip- und Server-Upgrades sollen einen Großteil dieser Ausgaben antreiben.
Der Bericht der OECD vom 10. Juli zu KI-Märkten fügt den Gegenpunkt hinzu: Die preiskorrigierten Preise für KI-Modelle fielen zwischen Januar 2024 und April 2026 um fast 80 %, obwohl Rechenleistung, Chips und andere kritische Eingänge hochkonzentriert blieben.
OpenAI setzt darauf, dass eine engere Integration über Modelle, Software und Silizium hinweg diese Konzentration in einen Effizienzvorteil verwandelt. Wenn es gelingt, könnte die Kosten pro abgeschlossener Aufgabe wichtiger werden als der Token-Preis – und eine weitere Kraft werden, die KI hin zu Full-Stack-Anbietern treibt.
Die klügsten Krypto-Köpfe lesen bereits unseren Newsletter. Lust dabei? Mach mit.
Häufig gestellte Fragen
Was sagte OpenAIs CFO über das Chipdesign?
Sarah Friar erklärte auf der Communacopia + Technology Conference von Goldman Sachs, dass sich OpenAI darauf konzentriert, seine KI auf bestimmte Branchen wie Chipdesign, Life Sciences und Finanzdienstleistungen auszurichten und dabei die Kosten im Vergleich zu Open-Source-Wettbewerbern zu senken, so Reuters.
Wie lange hat OpenAI für die Entwicklung seines Jalapeño-Chips benötigt?
Friar sagte, dass Jalapeño innerhalb von neun Monaten die Tapeout-Phase erreichte – also den Punkt, an dem ein fertiges Design an eine Fabrik gesendet wird –, wobei OpenAI eigene Modelle einsetzte, um den Prozess zu beschleunigen.
Ist OpenAIs Luna-Modell günstiger als Open-Source-Alternativen?
Laut den Benchmarking-Daten von Artificial Analysis kostet die Ausführung einer Standardaufgabe mit GPT-5.6 Luna etwa 0,18 US-Dollar, im Vergleich zu 2,01 US-Dollar für das Open-Weight-Modell GLM-5.3 von Z.ai, wobei GLM-5.3 in der Intelligenzindex-Wertung des Unternehmens jedoch besser abschneidet; Reuters berichtete, dass OpenAI den Preis für Luna kürzlich um 80 % gesenkt hat, was zu einem etwa zehnfachen Anstieg der Nutzung führte.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com übernimmt keine Haftung für Investitionen, die auf den auf dieser Seite bereitgestellten Informationen basieren. Wir empfehlen dringend, vor der Entscheidung für eine Anlage unabhängige Recherchen durchzuführen und/oder sich mit einem qualifizierten Fachmann beraten zu lassen.
Micah Abiodun
Micah Abiodun nutzt sein Masterstudium in Umwelttechnik und -management (MSc) an der Technischen Universität Tallinn (TalTech), um Inhalte und Preisprognose-Nachrichten bei Cryptopolitan zu verfeinern. Seit nunmehr sieben Jahren im Krypto-Medienbereich tätig, berichtet er über große Kryptowährungen, Altcoins, DeFi, Stablecoins, makroökonomische Trends und aufkommende Technologien.
