AI前沿

模型开始改电路:OpenAI 在 AMD 旗舰 GPU 上省出 14% 的 PPA

一、先看数字,再看它改的是哪一层

11 月 18 日,OpenAI 发布技术报告 Advancing chip design with OpenAI models,把过去一年多拿模型做芯片设计的过程摊开写。自研推理芯片 Jalapeño 从 2025 年初开始用 GPT-4o 参与设计:向量单元里改的是浮点加法器、乘法器、转换函数、归约逻辑和特殊功能单元,矩阵单元里改的是浮点加法器、乘法器与低精度点积电路。

改动是可量化。一处乘法器重新设计后,综合出的标准单元面积少约 15%,延迟从两拍压到一拍;一处加法器在保持两拍延迟的前提下同样省下约 15% 面积。整体估算,向量单元的标准单元面积减约 13%,矩阵单元减约 10%,这些优化在硅片 bring-up 阶段得到确认,不是仿真里的纸上作业。

二、AMD 那边的 14%,含金量更高

自研芯片算自家后院,第三方硬件才是考场。OpenAI 称与 AMD 合作,在已经高度优化过的旗舰 GPU IP 上重写 SystemVerilog RTL,PPA 最高改善 14%,相当于在不到五个月里拿到过去约一年的设计进展。AMD 已经把部分改动放进近期送交制造的版本,其余进了后续产品的生产设计文件;下一代旗舰 CPU 的关键模块也验证了个位数百分比的改善。

报告里最值得记住的一句描述是:模型会以微架构专家的层面推理 RTL,能重写做计算、做控制、搬数据的电路,然后用 Synopsys 的工具确认改写后行为不变,再评估功耗、性能与面积的取舍。验证环节没有交给模型自己判定,这是这条流水线能进生产的前提,也是它和一堆演示视频的区别。

三、能力曲线,以及报告自己承认的坑

为了看代际进步,OpenAI 用 PicoRV32 与 Ibex 两个开源 32 位 RISC-V 核做横评:给模型原始硬件描述,要求在通过仿真、面积不超过原核 16 倍的前提下提升吞吐,用隐藏负载测每周期指令数,再乘 Yosys 估算的最高频率。每次约 11.2 万 token 的同等预算下,GPT-6.2 Astra 在两个核上都拿到最高平均分,GPT-6.1 Sol 也高于 GPT-5.6 Sol,全部计分运行共 9881 次。

报告自己写了两条限制:从文字规格重新设计处理器时,模型得分偏高有一部分是因为它可以省掉原核上的一些功能;高分配不上实际产品里的同等收益。下一步是与 Synopsys 合作训练面向商业 EDA 工具的模型。换句话说,这套东西现在的定位不是替代芯片工程师,而是把电路级的候选方案批量生成出来,让人只做验证和取舍。半年的活压到五个月,省下的不是人,是试错次数。

模型不再只是写代码的工具,它开始改写承载代码的那层硅。

来源:OpenAI 官方博客 2026-11-18 https://openai.com/index/advancing-chip-design-with-our-models/