In Kürze

  • OpenAI hat an der Hot-Chips-Konferenz vom 25. August 2026 erste Benchmark-Ergebnisse seines ersten eigenen, für Inferenz optimierten Chips «Jalapeño» vorgestellt und dabei ein Nvidia-Blackwell-System im SemiAnalysis-Test «InferenceX» bei Token pro Nutzer und Durchsatz pro Kilowatt übertroffen.
  • Laut OpenAI liefert Jalapeño über alle drei getesteten Modelle hinweg beim Spitzendurchsatz das 1,5- bis 1,9-Fache an KI-Arbeit pro Watt sowie eine 1,7- bis 3,6-fach niedrigere Ende-zu-Ende-Latenz als die besten kommerziell verfügbaren Vergleichssysteme.
  • SemiAnalysis weist darauf hin, dass der fairere Vergleich wegen des gemeinsamen HBM4-Arbeitsspeichers eigentlich gegenüber Nvidias neuerer Vera-Rubin-Plattform gilt – auch hier liefert Jalapeño nach diesen Angaben mehr Ausgabe-Token pro Megawatt, obwohl Nvidias System zusätzlich von einer Optimierungstechnik profitiert, die Jalapeño noch nicht nutzt.

Was ist passiert?

OpenAI hat am 25. August 2026 an der Hardware-Fachkonferenz Hot Chips erste öffentliche Benchmark-Ergebnisse seines ersten eigens entwickelten KI-Chips mit dem Codenamen «Jalapeño» vorgestellt. Der Chip ist auf Inferenz spezialisiert, also auf das Ausführen bereits trainierter Modelle im laufenden Betrieb, statt auf das Training neuer Modelle. Im Test «InferenceX» des Analysehauses SemiAnalysis übertraf Jalapeño ein Vergleichssystem mit Nvidias Blackwell-Chips sowohl bei der Zahl der pro Nutzer ausgegebenen Token als auch beim Durchsatz pro Kilowatt Stromverbrauch.

Nach eigenen Angaben von OpenAI erreicht Jalapeño beim Spitzendurchsatz über alle drei getesteten Modelle hinweg das 1,5- bis 1,9-Fache an KI-Arbeit pro Watt und eine 1,7- bis 3,6-fach niedrigere Ende-zu-Ende-Latenz als die besten kommerziell verfügbaren Systeme. SemiAnalysis merkt jedoch an, dieser Vergleich sei «etwas unvollständig und unfair», weil Jalapeño bereits neueren HBM4-Speicher nutze – der fairere Vergleich sei Nvidias ebenfalls mit HBM4 ausgestattete, neuere Vera-Rubin-Plattform. Auch gegenüber dieser liefere Jalapeño mehr Ausgabe-Token pro Megawatt, obschon Nvidias Chip zusätzlich von einer Multi-Token-Prediction-Optimierung profitiere, die Jalapeño noch nicht einsetze.

Warum ist das wichtig?

Der Vorstoss markiert einen weiteren Schritt in der Entwicklung, dass grosse KI-Anbieter wie OpenAI, Google und Amazon zunehmend eigene Chips statt ausschliesslich Nvidia-Hardware einsetzen, um Kosten zu senken und ihre Abhängigkeit von einem dominanten Zulieferer zu verringern. Für Nvidia bedeutet das laut Marktbeobachtern eine wachsende Konkurrenz im margenstarken Inferenzgeschäft, selbst wenn OpenAI nach eigenen Angaben weiterhin auch Nvidia-Chips kaufen will, um den eigenen Rechenbedarf zu decken.

Inferenz-Effizienz – wie viele Anfragen ein Rechenzentrum pro Watt und pro Dollar bearbeiten kann – wird damit zu einem zentralen Wettbewerbsfaktor, da immer mehr Nutzerinnen und Nutzer KI-Dienste im Alltag verwenden und die Betriebskosten grosser Sprachmodelle entsprechend steigen. Eigene, optimierte Chips erlauben es Anbietern wie OpenAI, diese Kosten stärker zu kontrollieren als beim Zukauf von Standardhardware.

Was bedeutet das für die Schweiz?

  • Der Schritt zeigt, dass selbst finanzstarke KI-Anbieter wie OpenAI zunehmend auf eigene, vertikal integrierte Chip-Entwicklung setzen, um Kosten und Abhängigkeit von einem einzigen Zulieferer zu reduzieren – ein struktureller Vorteil, den kleinere Schweizer Initiativen wie das offene Sprachmodell Apertus, das auf zugekaufter Hardware trainiert, nicht ohne Weiteres nachbilden können.
  • Für Schweizer Betreiber von Hochleistungsrechenzentren wie das Swiss National Supercomputing Centre (CSCS) unterstreicht die Entwicklung, dass die Wahl der Inferenz-Hardware zunehmend über Energieeffizienz und Betriebskosten von KI-Anwendungen entscheidet – ein Faktor, der angesichts des wachsenden Stromverbrauchs Schweizer Rechenzentren an Bedeutung gewinnt.
  • Schweizer Unternehmen, die KI-Dienste über OpenAIs API beziehen, könnten mittelfristig von tieferen Kosten und kürzeren Antwortzeiten profitieren, sofern OpenAI die neue Chip-Generation in seiner Cloud-Infrastruktur einsetzt – die Verarbeitung findet dabei weiterhin ausserhalb der Schweiz statt, was Fragen zum Datenstandort gemäss Schweizer Datenschutzgesetz unverändert lässt.

Verwendete Quellen

CNBC berichtete am 26. August 2026 über die von OpenAI an der Hot-Chips-Konferenz vom 25. August 2026 vorgestellten Benchmark-Werte; SemiAnalysis, The Decoder und weitere Fachmedien ordneten die Vergleichsmethodik gegenüber Nvidias Blackwell- und Vera-Rubin-Plattformen zusätzlich ein.

Quellenstatus: 1 strukturierte Quelle · 0 von 1 Originaldaten verifiziert. Prüfregeln ansehen

Häufige Fragen

Was ist die Kernaussage zu OpenAI zeigt eigenen Inferenz-Chip «Jalapeño» – schneller pro Watt als Nvidia Blackwell?

OpenAI hat an der Hot-Chips-Konferenz vom 25. August 2026 erste Benchmark-Ergebnisse seines ersten eigenen, für Inferenz optimierten Chips «Jalapeño» vorgestellt und dabei ein Nvidia-Blackwell-System im SemiAnalysis-Test «InferenceX» bei Token pro Nutzer und Durchsatz pro Kilowatt übertroffen.

Warum ist diese KI-Meldung für die Schweiz relevant?

Der Schritt zeigt, dass selbst finanzstarke KI-Anbieter wie OpenAI zunehmend auf eigene, vertikal integrierte Chip-Entwicklung setzen, um Kosten und Abhängigkeit von einem einzigen Zulieferer zu reduzieren – ein struktureller Vorteil, den kleinere Schweizer Initiativen wie das offene Sprachmodell Apertus, das auf zugekaufter Hardware trainiert, nicht ohne Weiteres nachbilden können.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?

CNBC berichtete am 26. August 2026 über die von OpenAI an der Hot-Chips-Konferenz vom 25. August 2026 vorgestellten Benchmark-Werte; SemiAnalysis, The Decoder und weitere Fachmedien ordneten die Vergleichsmethodik gegenüber Nvidias Blackwell- und Vera-Rubin-Plattformen zusätzlich ein.