OpenAI presenta sus modelos para el diseño de chips, apostando a que el costo supera al del código abierto

OpenAI está expandiendo sus modelos avanzados al diseño de chips, las ciencias biológicas y las finanzas, argumentando que un modelo con un coste inicial más elevado puede resultar rentable al realizar una tarea con menos intentos.

Reuters informó el 9 de septiembre que la directora financiera, Sarah Friar, expuso este argumento en la conferencia Communacopia + Technology de Goldman Sachs en San Francisco el 7 de septiembre.

Para las empresas que intentan decidir entre modelos de alta gama y de bajo coste, esto cambia el panorama. En lugar de preguntar qué modelo tiene el precio de token más bajo, OpenAI quiere que los clientes consideren qué modelo ofrece la tarea completada al menor coste.

Diseño de chips como cuña, no como reemplazo de EDA

OpenAI no pretende sustituir los sistemas de automatización del diseñotronque los ingenieros utilizan actualmente para desarrollar chips. De hecho, sus soluciones contribuyen a mejorar esos procesos, ayudando a los ingenieros a analizar problemas, evaluar enfoques y agilizar ciertas tareas.

Según Friar, la demanda de IA desarrollada para tareas específicas está creciendo. Tal como informó Reuters, OpenAI también está probando un modelo de negocio en el que el precio depende de la eficacia de la IA para cada empresa, en lugar de basarse en el consumo.

Esto coincide con la publicación de Friar del 17 de julio, en la que sugería la importancia de la "Inteligencia Útil por Dólar" por encima del precio del token. Si bien un modelo más económico podría requerir varios intentos y revisiones, así como intervención humana, un modelo más costoso podría resultar una opción más rentable, ya que permite obtener el resultado con mayor rapidez.

El jalapeño como prueba de fuego interna

La demostración más clara del ingenio de OpenAI es Jalapeño, su primer chip de inferencia personalizado. La compañía afirmó en una publicación del 25 de agosto que su tecnología de IA facilitó la transición de Jalapeño desde la etapa de concepción hasta la fabricación en tan solo nueve meses.

Gracias a la IA, se acortaron los ciclos de diseño, medición y verificación. La IA también se utilizó para mejorar el rendimiento de los circuitos aritméticos y programar el chip final.

OpenAI afirmó que el rendimiento del chip Jalapeño era entre 1,5 y 1,9 veces superior en lo que respecta al trabajo de IA por vatio, en comparación con los dispositivos equivalentes GB200 y GB300 de Nvidia utilizados para realizar los cálculos por GPT-OSS 120B, DeepSeek R1 y Kimi K2.5.

Según la información proporcionada por Cryptopolitan el 25 de agosto, el chip diseñado por Broadcom está destinado exclusivamente a OpenAI y no a su comercialización. Por lo tanto, estas estadísticas corresponden únicamente a las cifras de OpenAI. SemiAnalysis observó las ejecuciones de InferenceX, pero no reprodujo de forma independientedentconjunto completo de pruebas.

El argumento del costo por tarea, contrastado con datos externos

Friar afirmó que la decisión de OpenAI de reducir drásticamente el precio de su producto de gama baja, Luna, ha contribuido a un crecimiento de casi diez veces en su uso, además de aumentar el número de usuarios de Codex a 25 millones, según Reuters.

independientesdent aportan cierta evidencia que respalda la declaración de precios. Artificial Analysis el precio de Luna ronda los 0,18 dólares, frente a los 2,01 dólares de GLM-5.3 para una tarea estándar.

Sin embargo, esta comparación no es del todo unilateral. GLM-5.3 obtuvo una puntuación de 45 en el Índice de Inteligencia de Análisis Artificial, mientras que Luna solo alcanza los 38 puntos. Por lo tanto, OpenAI tiene una ventaja en cuanto al precio por tarea estándar, pero no necesariamente es la IA con mejor rendimiento.

Un campo en el que OpenAI está entrando tarde

El diseño de chips asistido por IA ya está bien consolidado. Synopsys afirma que su copiloto de IA generativa puede reducir el tiempo de recuperación de información en un 40 % y el tiempo de resolución entre 10 y 20 veces.

Cadence anunció el 1 de junio que su ingeniero de IA autónomo ChipStack puede reducir algunos ciclos de validación RTL de cinco semanas a menos de un día. AlphaChip de Google también se ha utilizado en chips avanzados de Alphabet.

El verdadero factor diferenciador de OpenAI, entonces, no es la afirmación de que la IA puede ayudar a diseñar chips, sino el argumento de que sus modelos propietarios pueden hacerlo a un menor costo por resultado exitoso.

Por qué las apuestas siguen aumentando

El mercado que respalda este argumento es enorme. PwC afirmó el 2 de septiembre que la inversión global en infraestructura de IA podría alcanzar los 31,6 billones de dólares para 2050, con un gasto anual que pasaría de unos 800.000 millones de dólares en 2026 a 1,8 billones de dólares en 2050.Se prevé que las actualizaciones recurrentes de chips y servidores impulsen gran parte de este gasto.

El informe de la OCDE del 10 de julio sobre los mercados de IA añade el contrapunto: los precios de los modelos de IA ajustados a la calidad cayeron casi un 80 % entre enero de 2024 y abril de 2026, incluso cuando la capacidad de procesamiento, los chips y otros insumos críticos siguieron estando altamente concentrados.

OpenAI apuesta a que una mayor integración entre modelos, software y silicio convertirá esa concentración en una ventaja de eficiencia. Si lo logra, el costo por tarea completada podría ser más importante que el precio del token, y convertirse en otro factor que impulse a la IA hacia proveedores integrales.