"Jalapeño"
뉴스
OpenAI 재퍼뇨, AI 설계 개입으로 9개월 만에 테이프아웃
AI가 EDA 툴의 개별 단계 최적화를 넘어 칩 설계 과정 자체에 관여하는 사례가 늘고 있다. 구글 딥마인드의 알파칩은 강화학습으로 TPU 3세대에 걸쳐 회로 블록 배치와 레이아웃 최적화에 쓰였고, 엔비디아는 자사 RTL과 설계 데이터를 학습한 내부 AI 모델로 GPU·가속기·CPU 개발 업무 일부를 자동화하고 있다. OpenAI는 재퍼뇨 칩 개발에서 구현, 설계공간 탐색, 검증, 산술회로 최적화 등에 AI를 직접 활용해 초기 설계부터 테이프아웃까지 9개월 만에 마쳤다고 밝혔다. 핫칩스 발표에서 OpenAI는 인간 기준 설계 대비 BF16 곱셈기 56%, FP4 내적 블록 21%, FP32 누산기 10% 성능 개선과 매트릭스·SIMD 유닛 면적 10%·8% 감소를 공개했다. 8월 말에는 아키텍트랩스가 거의 전 과정을 AI로 설계했다고 주장한 칩을 공개해 업계 첫 사례로 언급됐다.
OpenAI 젤라피뇨 인터뷰, 추론 ASIC 자체 개발 배경 공개
OpenAI는 8월 Hot Chips에서 공개한 추론 전용 ASIC '젤라피뇨' 관련 인터뷰에서 하드웨어 부문 VP 리처드 호가 개발 배경을 밝혔다. 그는 전력 제약 속에서 연산 효율을 극대화하는 것이 핵심 목표였으며, 모델과 하드웨어를 함께 설계할 수 있다는 점이 자체 칩 개발의 이유라고 설명했다. 외부 파운드리·설계사와 협업할 경우 연구 IP 유출 우려가 있어 내부 팀이 전 스택을 보고 소프트웨어·모델·하드웨어 중 어디서 최적화할지 판단했다고 밝혔다. SemiAnalysis의 InferenceX 벤치마크로 오픈소스 모델들을 테스트해 이 칩이 OpenAI 전용이 아니라 범용 트랜스포머 기반 LLM에서도 성능을 낸다는 점을 보였다고 덧붙였다. 그는 외부 고객 제공 가능성을 배제하지 않았지만 당분간은 OpenAI 자체 컴퓨팅 수요 충족이 우선이라고 말했다.
OpenAI '잘라페뇨' 칩, 자체 LLM으로 HLS 설계 가속
OpenAI가 8월 25일 공개한 첫 자체 AI 가속기 칩 '잘라페뇨(Jalapeño)'는 4비트 연산 기준 최대 13.4페타플롭스 성능과 232기가바이트 메모리, 초당 15.4테라바이트의 메모리 대역폭을 갖췄다. OpenAI는 엔비디아 GB300 대비 종단간 지연시간을 최대 3.6배 줄이면서 전력 소비도 낮췄다고 밝혔다. 설계는 아키텍처 구상부터 첫 실리콘까지 20개월, RTL 작성부터 테이프아웃까지는 9개월이 걸렸으며, 100명 미만의 설계팀이 물리설계를 담당한 브로드컴과 협업해 진행했다. OpenAI는 오픈소스 고수준 합성(HLS) 도구인 XLS 기반 워크플로에 자체 LLM을 접목했고, 시제품 도착 후 약 40시간 만에 특정 커널 성능을 이론적 한계 대비 0.31%에서 88.94%로 끌어올렸다고 설명했다. 잘라페뇨는 2048개 칩 단위 '팟'으로 배치되도록 설계됐다.
First Benchmarks Revealed for Jalapeño, OpenAI’s Clean-Sheet General Purpose AI Accelerator ASIC
시스템반도체·팹리스할라피뇨, HBM4 15.4TB/s로 블랙웰 추론 효율 도전
OpenAI가 Hot Chips 2026에서 브로드컴과 공동 개발한 AI 추론 가속기 '할라피뇨'의 아키텍처와 성능을 상세 공개했다. 이 칩은 216GB HBM4 메모리와 최대 15.4TB/s 대역폭을 갖췄으며, 700W에서 MXFP4 기준 최대 13.4페타플롭스 성능을 낸다. 64개의 코어 슬라이스가 각각 HBM 슬라이스와 짝을 이루는 NUMA 방식 구조를 채택했고, 2048개 프로세서로 구성된 전체 시스템은 27엑사플롭스 성능과 32PB/s의 총 메모리 대역폭을 지원한다. OpenAI는 프리필·드래프트·검증 3단계로 추론을 분해하는 방식이 엔비디아의 프리필·디코드 2단계 방식과 다르다고 설명했으며, 칩의 물리적 조립은 셀레스티카가 맡는다.