Le déploiement interne de l’ASIC d’inférence Jalapeño par OpenAI, avec des processeurs hôtes AMD EPYC Turin, a été rapporté le 2 octobre 2026. Jalapeño est l’accélérateur dédié à l’inférence ; Turin joue le rôle de processeur hôte dans le système.

Un déploiement interne rapporté le 2 octobre

Jalapeño est un ASIC — un circuit intégré conçu pour une application spécifique — destiné à l’inférence, l’étape où un modèle déjà entraîné répond à une requête. Les processeurs AMD EPYC Turin sont les hôtes associés à ces accélérateurs, et non les puces qui remplissent ce rôle d’inférence.

Turin joue le rôle de processeur hôte

Dans la configuration décrite, chaque hôte réunit deux processeurs AMD EPYC Turin et 1,5 To de mémoire vive DRAM. Le système distingue les plateaux hôtes, appelés « Katsu », des plateaux d’accélérateurs Jalapeño, appelés « Vindaloo ».

L’agencement décrit comprend 16 plateaux hôtes associés à 16 plateaux Jalapeño. Chaque plateau d’accélérateurs contient huit ASIC, soit 128 puces Jalapeño par rack. Chaque plateau hôte est relié à son plateau d’accélérateurs correspondant par huit câbles PCIe DAC externes ; le lien d’E/S système vers le processeur hôte x86 utilise PCIe Gen 5.

Le réseau d’extension est conçu pour prendre en charge un domaine local de 128 ASIC par rack et relier jusqu’à 2 048 XPU sur 16 racks. Pour cette configuration à deux racks, la puissance est estimée à environ 50 kW provisionnés pour le rack hôte — 31 kW en production — et 130 kW pour le rack des ASIC, soit environ 160 kW au total.

Pourquoi OpenAI a retenu Turin plutôt que Nvidia Vera

Dans un entretien publié le 28 septembre 2026, Richard Ho, vice-président et responsable du matériel chez OpenAI, a expliqué que l’équipe voulait avancer vite sans prendre de risques inutiles. Il a cité la maturité de la plateforme Turin et l’expérience que ses partenaires avaient déjà acquise avec elle.

Ho jugeait alors Nvidia Vera moins mûre comme solution autonome. Il a aussi décrit le projet Jalapeño comme une recherche d’équilibre entre les objectifs de performance et de coût, d’une part, et la réduction des risques de conception, d’autre part.

Une montée en production prévue en 2027

Le déploiement interne rapporté le 2 octobre et le calendrier de production décrivent des étapes distinctes. Une montée progressive en production était prévue au cours de 2027, avec la majeure partie de la production attendue vers la fin de l’année.

OpenAI privilégie sa demande de calcul interne

Ho a indiqué qu’OpenAI comptait répondre d’abord à ses propres besoins de calcul, suffisamment importants pour occuper l’entreprise pendant longtemps. Il a laissé ouverte la possibilité d’un usage de Jalapeño par d’autres, sans annoncer de ventes à des clients externes. Cette priorité interne était déjà au cœur de notre précédent article sur l’usage de Jalapeño chez OpenAI.