OpenAI rompe il fronte Nvidia: Jalapeño apre la guerra dei chip agentici

⚙️ Da sapere

• OpenAI dichiara per Jalapeño fino a 1,9 volte più lavoro AI per watt e latenze fino a 3,6 volte inferiori rispetto ai sistemi concorrenti.
• Nvidia risponde con Vera, CPU Arm da 88 core e 1,2 TB/s di banda, già scelta da SpaceXAI per i carichi agentici di Grok.
• Samsung porta il calcolo nella memoria LPDDR5X, mentre Intel distribuisce l’AI tra processori client 18A e acceleratori Crescent Island da 480 GB.

OpenAI pubblica i primi benchmark di Jalapeño e apre una crepa nel dominio infrastrutturale di Nvidia, almeno sul terreno specializzato dell’inferenza. Il chip sviluppato con Broadcom avrebbe superato i sistemi GB200 e GB300 nel rapporto tra lavoro AI, consumi e latenza, ma i risultati sono stati prodotti e pubblicati dalla stessa OpenAI e non equivalgono ancora a una certificazione indipendente della superiorità assoluta dell’ASIC. La risposta industriale arriva da più direzioni: Nvidia trasforma la CPU Vera in un componente centrale dei sistemi agentici, Samsung sposta il calcolo dentro la memoria LPDDR5X e Intel distribuisce l’accelerazione tra Wildcat Lake, Crescent Island e Diamond Rapids. Hot Chips 2026 certifica così un cambiamento: la battaglia AI non si gioca più soltanto sul numero di GPU.

Jalapeño supera GB300 nei benchmark pubblicati da OpenAI

Il dato più aggressivo arriva da Jalapeño, primo ASIC personalizzato di OpenAI dedicato all’inferenza. Il processore, progettato insieme a Broadcom attraverso un ciclo di nove mesi dal codice RTL al tape-out, integra sei stack HBM4 per un totale di 216 GiB di memoria e 15,4 TB/s di larghezza di banda, con una potenza nominale di 700 watt.

OpenAI sostiene tuttavia che durante i workload misurati il consumo prolungato sia rimasto entro 550 watt. Nei test condotti con InferenceX di SemiAnalysis su GPT-OSS 120B, DeepSeek R1 670B e Kimi K2.5 1T, Jalapeño avrebbe prodotto da 1,5 a 1,9 volte più lavoro AI per watt al massimo throughput rispetto ai sistemi concorrenti, riducendo contemporaneamente la latenza end-to-end da 1,7 a 3,6 volte. Nei carichi altamente interattivi il vantaggio dichiarato raggiunge invece un intervallo compreso tra 2,1 e 4,1 volte.

I numeri contenuti nei primi risultati ufficiali pubblicati da OpenAI collocano l’ASIC sulla frontiera di Pareto tra throughput, consumi e latenza, cioè in una regione nella quale migliorare una metrica senza peggiorarne un’altra diventa particolarmente difficile. Jalapeño era stato presentato inizialmente come il primo passo di OpenAI verso un’infrastruttura di inferenza proprietaria; i benchmark trasformano ora quella strategia da promessa progettuale a sfida misurabile contro Nvidia.

Il confronto con Nvidia richiede prudenza

Affermare che Jalapeño “batte la GB300” è efficace, ma tecnicamente incompleto. OpenAI non sta confrontando due chip intercambiabili destinati allo stesso mercato: Jalapeño è un ASIC verticale, ottimizzato attorno ai modelli, al runtime, alla rete e alle condizioni operative dell’azienda, mentre GB300 appartiene a una piattaforma GPU generalista capace di sostenere training, inferenza e workload differenti attraverso CUDA. I risultati utilizzano inoltre la potenza nominale pubblicata dei processori per normalizzare il lavoro per watt, mentre l’assorbimento effettivo di un sistema completo dipende da memoria, networking, raffreddamento, host CPU e percentuale di utilizzo. Anche la scelta di modelli, batch, lunghezze dei prompt e soglie di latenza può cambiare sensibilmente la graduatoria. Ciò non riduce il valore del risultato: dimostra piuttosto che un hyperscaler capace di progettare insieme modello e silicio può superare una GPU generalista in un workload specifico. Nvidia conserva però un vantaggio enorme nella maturità del software, nella disponibilità commerciale e nella flessibilità, già evidente nei record MLPerf e AgentPerf ottenuti dall’architettura Blackwell. La minaccia di OpenAI non consiste quindi nell’avere costruito una “GPU migliore”, ma nell’aver mostrato che una parte crescente dell’inferenza può migrare verso hardware proprietario sul quale Nvidia non controlla né il margine né la roadmap.

Nvidia Vera porta la CPU al centro dell’AI agentica

Nvidia risponde all’integrazione verticale di OpenAI estendendo il proprio controllo oltre le GPU. Vera è una CPU Arm con 88 core Olympus progettati internamente, capace di gestire 176 thread attraverso Spatial Multithreading e dotata di un sottosistema LPDDR5X su moduli SOCAMM2 sostituibili. La piattaforma raggiunge fino a 1,5 TB di capacità e 1,2 TB/s di larghezza di banda, con un’interconnessione interna SCF da 3,4 TB/s e NVLink-C2C fino a 1,8 TB/s verso le GPU.

La logica industriale è precisa: gli agenti non eseguono soltanto inferenza. Tra una chiamata al modello e la successiva devono orchestrare strumenti, avviare sandbox, compilare ed eseguire codice, processare dati, interrogare API e valutare i risultati. Queste operazioni sequenziali e sensibili alla latenza ricadono in larga parte sulla CPU. Secondo le specifiche pubblicate da Nvidia per Vera, il processore completa alcuni workload agentici fino a 1,8 volte più rapidamente delle piattaforme x86 usate come riferimento. È una dichiarazione del produttore, ma chiarisce perché Nvidia non consideri più sufficiente vendere soltanto acceleratori: vuole controllare l’intera “fabbrica AI”, dal codice eseguito dalla CPU fino al token generato dalla GPU.

SpaceXAI sceglie Vera per gli agenti Grok

La prima conferma industriale arriva da SpaceXAI, che utilizzerà CPU Vera standalone per sostenere i workload agentici di Grok. L’adozione non sostituisce le GPU Nvidia: separa piuttosto i compiti, affidando a Vera orchestrazione, elaborazione dei dati, simulazioni ed esecuzione del codice, così da mantenere gli acceleratori occupati nelle fasi per cui sono più efficienti. Il comunicato congiunto diffuso da Nvidia indica che SpaceXAI espanderà parallelamente la propria infrastruttura verso la piattaforma Vera Rubin mentre cresce in direzione di capacità nell’ordine dei gigawatt.

Il progetto prevede anche un sistema Vera Rubin NVL72 ottimizzato per il primo satellite Starmind, sebbene alimentazione, raffreddamento, affidabilità e gestione della radiazione rendano il calcolo orbitale molto più complesso di un normale deployment terrestre. Vera assume così un doppio ruolo: host CPU nei rack con GPU Rubin e processore autonomo per la parte non tensoriale degli agenti. La piattaforma era già entrata nella fase industriale con la produzione delle CPU Vera, delle GPU Rubin e dei sistemi NVL72, ma l’adozione per Grok mostra che Nvidia punta ora direttamente al mercato storicamente controllato da Intel e AMD.

Samsung porta il calcolo dentro la memoria LPDDR5X

Samsung affronta un collo di bottiglia differente: il costo energetico e temporale necessario per spostare continuamente i dati tra memoria e processore. La tecnologia LPDDR5X-PIM, presentata nel programma ufficiale di Hot Chips 2026, inserisce unità di elaborazione direttamente nei banchi della DRAM. La configurazione mostrata da Samsung offre 16 GB di capacità e una larghezza di banda PIM aggregata indicata in 614,4 GB/s, otto volte superiore ai 76,8 GB/s della normale interfaccia LPDDR5X presa come riferimento. Nei test preliminari di inferenza, il tempo di esecuzione sarebbe sceso da 12,3 a 5,4 secondi, con un miglioramento di 2,28 volte, mentre la velocità avrebbe raggiunto 81,3 token al secondo contro 27, pari a 3,01 volte le prestazioni. Anche in questo caso si tratta di risultati interni e legati a una specifica implementazione, non di una garanzia generalizzabile a qualsiasi modello. Il principio resta però importante: se i workload AI sono limitati dalla memoria, aggiungere unità aritmetiche vicino ai dati può risultare più efficiente che continuare ad aumentare la potenza dell’acceleratore. La ricerca si collega alla strategia con cui Samsung sta sviluppando LPDDR5X-PIM, zHBM e memorie tridimensionali, trasformando la DRAM da componente passivo a parte attiva della pipeline di inferenza.

Intel distribuisce l’AI dal notebook al data center

Intel utilizza Hot Chips per presentare una strategia eterogenea. Wildcat Lake, commercializzato come Intel Core Series 3, porta il processo Intel 18A nei sistemi client economici e diventa il primo processore Intel a utilizzare UCIe. Il SoC combina due performance core, quattro efficiency core, grafica Xe3 con accelerazione XMX e una NPU da 17 TOPS, supportando memoria LPDDR5X-7467, Wi-Fi 7 e Bluetooth 6.0. UCIe consente di collegare i differenti blocchi del package attraverso uno standard aperto, offrendo maggiore libertà nella combinazione tra die prodotti con processi differenti.

Nel data center la proposta più interessante è invece Crescent Island, acceleratore PCIe raffreddato ad aria da 350 watt con 32 Xe core, 256 motori XMX e fino a 480 GB di LPDDR5X. La capacità di memoria punta a ospitare modelli più grandi, finestre di contesto estese e un maggior numero di agenti simultanei senza ricorrere alle configurazioni HBM più costose. La presentazione ufficiale di Intel dedicata alle architetture agentiche affianca ai due prodotti Diamond Rapids, processore Xeon fino a 256 core, 1,28 GB di cache LLC, 16 canali di memoria e 128 linee PCIe 6.0/CXL 3.0. Intel prova quindi a coprire l’intera catena, dal notebook accessibile fino all’orchestrazione enterprise e all’inferenza su larga scala.

GPT-5.6 Sol progetta una CPU virtuale capace di eseguire Doom

Sul margine sperimentale della stessa trasformazione emerge una dimostrazione destinata a diventare virale. GPT-5.6 Sol ha progettato Codex-R32, una CPU personalizzata realizzata nell’ambiente simulato di Turing Complete sulla quale è stato eseguito un port di Doom. Il risultato mostra il videogioco sovrapposto allo schema logico pulsante del processore e dimostra che il modello è riuscito a coordinare architettura, set di istruzioni, memoria, periferiche e software in una macchina virtuale funzionante. Il confine deve però essere mantenuto chiaro: non è stato fabbricato un chip fisico, non esiste un tape-out e il risultato non può essere confrontato con Jalapeño, Vera o Wildcat Lake. Turing Complete fornisce un ambiente educativo controllato nel quale componenti e segnali possono essere costruiti e verificati senza affrontare timing fisico, consumi, layout, resa produttiva e validazione del silicio. La dimostrazione resta comunque rilevante perché sposta l’AI generativa dalla produzione di codice applicativo alla progettazione coordinata di una piattaforma computazionale. Se Jalapeño mostra che i modelli possono contribuire allo sviluppo industriale dei chip, Codex-R32 suggerisce che l’architettura hardware diventerà progressivamente un altro dominio dell’ingegneria assistita dagli agenti.

La nuova competizione supera il concetto tradizionale di GPU

Il quadro emerso da Hot Chips 2026 non annuncia la fine delle GPU, ma la frammentazione dell’infrastruttura AI in componenti sempre più specializzati. OpenAI ottimizza Jalapeño per l’inferenza dei propri modelli; Nvidia usa Vera per conquistare il lavoro sequenziale che circonda le GPU; Samsung porta operazioni direttamente nella memoria; Intel differenzia client, CPU server e acceleratori PCIe. La stessa evoluzione era già visibile nelle architetture disaggregate di AMD e Cerebras, dove prefill e generazione dei token vengono assegnati a processori differenti. Il vero parametro competitivo non è più la sola potenza teorica, ma il rapporto tra token, latenza, watt, banda di memoria, capacità per rack e costo dell’intero sistema. Jalapeño non cancella il vantaggio di Nvidia, ma dimostra che il monopolio dell’acceleratore generalista può essere eroso da piattaforme verticali costruite attorno a workload reali. Nvidia risponde occupando il territorio delle CPU, Intel cerca spazio attraverso packaging e memoria capiente, Samsung prova a eliminare il movimento dei dati. La guerra dei chip AI entra così nella fase più complessa: non vince necessariamente il processore più potente, ma l’architettura capace di evitare che ogni altro componente rimanga in attesa.