Diseñar un chip avanzado no consiste simplemente en dibujar unos cuantos circuitos y enviarlos a fabricar . Entre la arquitectura inicial, la escritura del código que define su funcionamiento, las simulaciones, las verificaciones y el diseño físico pueden pasar años antes de que aparezca el primer silicio. OpenAI ha demostrado que una parte de ese calendario puede comprimirse de una forma bastante lógica: poniendo a trabajar a la misma inteligencia artificial que después terminará ejecutándose sobre el chip. Su primer acelerador propio, Jalapeño, pasó del concepto arquitectónico al primer silicio en menos de 20 meses .
Más llamativo todavía es lo sucedido en una de las etapas centrales del proyecto: desde el primer código RTL (la descripción lógica del hardware) hasta el tape-out, cuando el diseño queda preparado para enviarse a fabricación, transcurrieron apenas nueve meses, según explicó el equipo de hardware de OpenAI a IEEE Spectrum . OpenAI puso sus propios modelos a diseñar el hardware que los ejecutará © OpenAI. La IA no diseñó Jalapeño por sí sola . Lo que hizo fue permitir que un grupo relativamente pequeño de especialistas pudiera avanzar más rápido y explorar muchas más alternativas.
Richard Ho, vicepresidente de hardware de OpenAI, explicó a IEEE Spectrum que el equipo involucrado en Jalapeño tuvo menos de 100 personas de media durante el proyecto. Esa cifra incluye perfiles de diseño de sistemas, software y cadena de suministro, pero no al personal de Broadcom, socio fundamental en el desarrollo. La división de tareas también ayuda a entender qué hizo realmente la IA. OpenAI se encargó del diseño integral del sistema (incluido el acelerador, la jerarquía de memoria y las conexiones), mientras Broadcom asumió buena parte de la implementación física posterior.
Los modelos fueron especialmente útiles en el front-end. En esta fase los ingenieros definen la arquitectura, escriben el código que describe el funcionamiento del chip y comprueban que todo se comporte como esperan antes de trasladarlo físicamente al silicio. Una de las claves fue XLS, una cadena de herramientas de síntesis de alto nivel creada originalmente en Google . En lugar de trabajar únicamente con lenguajes tradicionales de descripción de hardware, XLS permite expresar determinadas partes utilizando entornos más cercanos a la programación convencional.
Para los modelos de lenguaje, ese terreno resulta mucho más familiar. Chris Leary, integrante del equipo de OpenAI y uno de los creadores originales de XLS, explicó que la IA funcionaba particularmente bien precisamente cuando el problema comenzaba a parecerse al software. De esta manera, los modelos pudieron ayudar a escribir, revisar y optimizar diferentes implementaciones mucho más rápidamente. Hay una parte del diseño donde la IA todavía necesita mucha ayuda © OpenAI.
La historia cambia cuando el chip deja de ser principalmente código . El denominado back-end implica distribuir físicamente los componentes, conectar circuitos, ajustar relojes y alimentación, comprobar restricciones eléctricas y preparar finalmente toda la información que necesita la fundición. Allí la participación de los modelos fue bastante menor y Broadcom tuvo un papel mucho más importante. Eso no significa que la IA quedara completamente fuera.
OpenAI presentó en Hot Chips 2026 resultados en los que afirma haber conseguido una reducción del 10% en el área ocupada por determinadas unidades de multiplicación de matrices frente a una referencia previamente optimizada por humanos. Pero incluso los responsables del proyecto insisten en que esto no equivale a automatizar completamente el diseño de procesadores. Jalapeño tampoco es únicamente un experimento de ingeniería. Según los resultados publicados por OpenAI , alcanza hasta 13,4 petaflops de cálculo en 4 bits, incorpora 232 GB de memoria HBM4 y dispone de 15,4 TB/s de ancho de banda.
La compañía asegura además haber conseguido menor latencia y mejor rendimiento energético que los sistemas comerciales utilizados en sus comparaciones, aunque se trata de resultados publicados por la propia OpenAI y habrá que comprobar cómo se traducen cuando el hardware se despliegue a mayor escala. Lo interesante de Jalapeño, por tanto, no es que una IA haya aprendido repentinamente a fabricar procesadores sola. Es algo más inmediato: la tecnología que está disparando la demanda mundial de chips también empieza a reducir el tiempo necesario para diseñarlos.