Satu cip yang boleh mengubah kiraan kos AI dalam perniagaan anda

Pada 25 Ogos 2026, OpenAI menerbitkan keputusan penanda aras terukur pertama bagi Jalapeño, cip inferens tersuai yang dibangunkannya bersama Broadcom. Angka yang dilaporkan: 1.5x hingga 1.9x lebih banyak kerja AI bagi setiap watt pada daya pemprosesan puncak, dan kependaman hujung ke hujung 1.7x hingga 3.6x lebih rendah berbanding sistem NVIDIA GB200 dan GB300 yang dijadikan perbandingan. Secara mudah, elektrik yang sama menghasilkan kira-kira dua kali ganda output, dan jawapan tiba lebih cepat. Itulah yang menentukan bil bulanan anda jika anda menjalankan pembantu AI atau automasi di atas model bahasa.

Apakah sebenarnya yang diumumkan

Jalapeño bukan cip latihan. Ia ialah cip inferens, iaitu ia menjalankan model selepas model itu dilatih, dan inferens ialah bahagian yang anda bayar bagi setiap permintaan API. Cip ini mula-mula didedahkan pada 24 Jun 2026, dan angka terukurnya dibentangkan di persidangan Hot Chips, diuji menggunakan InferenceX, penanda aras awam daripada SemiAnalysis, pada tiga model pemberat terbuka: GPT-OSS, DeepSeek R1 dan Kimi K2.5.

  • Kuasa: kira-kira 700W bagi setiap cip, berbanding sistem perbandingan yang menggunakan hampir dua kali ganda.
  • Daya pemprosesan: 1.5x hingga 1.9x lebih banyak kerja bagi setiap watt pada daya pemprosesan puncak.
  • Kependaman: 1.7x hingga 3.6x lebih rendah dari hujung ke hujung, bergantung pada model yang diuji.
  • Garis masa: penggunaan awal yang terhad pada penghujung 2026, kemudian ditingkatkan secara beransur-ansur sepanjang 2027.

Baca angka ini dengan mata yang kritis

Kaveat wajar didahulukan sebelum keterujaan. Angka ini datang daripada OpenAI sendiri dan disahkan di dalam makmalnya sendiri. Perbandingan dibuat dengan generasi semasa NVIDIA, bukan generasi seterusnya. Ujian juga tertumpu pada beban kerja yang agak pendek, bukan perbualan ejen yang panjang dengan banyak giliran. Walaupun begitu, mesej terasnya tetap kukuh: kapasiti inferens bukan lagi pasaran dengan satu pembekal sahaja, dan sesiapa yang membeli kapasiti itu akan menemui lebih banyak pilihan pada harga yang lebih rendah dalam tempoh dua tahun akan datang.

Maksudnya secara praktikal bagi pemilik perniagaan

Anda tidak akan sekali-kali membeli cip Jalapeño atau melihatnya. Anda akan merasainya di tiga tempat:

  • Kos: apabila menjalankan model menjadi lebih murah bagi penyedia, harga berasaskan penggunaan akan beransur turun. Projek AI yang kelihatan terlalu mahal setahun lalu mungkin sudah berbaloi hari ini.
  • Kelajuan: kependaman yang lebih rendah membuka kes penggunaan yang sebelum ini mustahil: pembantu suara tanpa senyap yang janggal, carian segera merentas dokumen anda, permohonan yang disemak semasa pelanggan masih berdiri di kaunter.
  • Jumlah: apabila permintaan menjadi murah, menjalankan AI pada setiap transaksi dan bukan pada sampel sahaja menjadi wajar: mengklasifikasikan setiap mesej pelanggan, menyemak setiap invois, meringkaskan setiap panggilan.

Peraturan paling penting: jangan kunci sistem anda pada satu vendor

Pengajaran sebenar daripada perlumbaan cip inferens bukanlah siapa yang menang. Pengajarannya ialah pemenang bertukar setiap beberapa bulan. Sesiapa yang hari ini membina sistem dengan cara yang menjadikan pertukaran model mustahil akan membayar dua kali: sekali pada invois, dan sekali lagi pada prestasi lebih baik yang tidak pernah mereka peroleh.

Keputusan kejuruteraan yang menjimatkan wang anda bukanlah memilih model terbaik hari ini. Ia ialah membina sistem yang membolehkan anda menukar model esok tanpa menulis semula aplikasi.

Secara praktikal, itu bermakna lapisan nipis antara aplikasi anda dan penyedia model, prompt dan alatan yang ditulis secara bebas daripada mana-mana vendor tunggal, data dan pengetahuan anda disimpan dalam sistem anda sendiri dan bukan di platform penyedia, serta suite ujian kualiti yang anda jalankan terhadap mana-mana model baharu sebelum menggunakannya.

Cara kami mendekatinya di Origami

Apabila kami membina sistem berasaskan AI untuk pelanggan, kami sentiasa memisahkan logik perniagaan daripada model yang melaksanakannya. Pengetahuan dan data kekal dalam pangkalan data pelanggan sendiri, prompt ditulis supaya mudah alih, dan menukar model ialah perubahan konfigurasi, bukan satu projek. Selain itu, kami mengukur kos bagi setiap operasi, bukan hanya setiap bulan, supaya anda tahu dengan tepat bahagian sistem mana yang menghabiskan bajet, bahagian mana yang layak menggunakan model lebih berkuasa, dan bahagian mana yang sudah memadai dengan model kecil yang pantas.

Aspek kawal selia tidak bergerak bersama harga. Inferens yang lebih murah tidak mengubah apa-apa tentang kewajipan anda di bawah Undang-undang Perlindungan Data Peribadi (PDPL) Arab Saudi. Sebarang data pelanggan yang melalui model luaran masih memerlukan asas yang sah, kawalan akses dan log audit, walau serendah mana pun kos operasinya.

Langkah praktikal untuk minggu ini

  • Semak bil AI semasa anda dan kira kos bagi setiap operasi yang berguna, bukan hanya jumlah bulanan.
  • Kenal pasti tugas yang boleh dikendalikan oleh model yang lebih kecil dan lebih pantas, kemudian pindahkannya ke sana; biasanya separuh daripada penggunaan anda tidak memerlukan model yang paling berkuasa.
  • Tulis set ujian kualiti yang ringkas yang mewakili kes perniagaan sebenar anda, dan jalankannya terhadap mana-mana model alternatif sebelum bertukar.
  • Semak komitmen jangka panjang dengan satu vendor sebelum memperbaharuinya; pasaran sedang bergerak memihak kepada pembeli.
  • Lihat semula idea yang anda tolak atas alasan kos atau kependaman: sebahagian daripadanya kini boleh dilaksanakan.

Kesimpulannya: apa yang berlaku pada 25 Ogos sebenarnya bukan kisah tentang sebuah cip. Ia ialah isyarat bahawa lapisan yang menjadi tempat bergantung sistem AI anda semakin murah, semakin pantas dan semakin kompetitif. Perniagaan yang membina sistem fleksibel akan meraih peningkatan itu secara automatik. Perniagaan yang terkunci pada satu pilihan hanya akan melihatnya berlalu.

Sumber