Содержание
Как модели OpenAI меняют схемы процессоров
OpenAI 18 ноября раскрыла результаты применения своих моделей к проектированию чипов: в совместной работе с AMD компания сообщает об улучшении PPA до 14% относительно уже тщательно оптимизированных проектов блоков флагманского GPU. Речь о сочетании энергопотребления, производительности и площади схемы, а не об обещании ускорить готовую видеокарту на 14%. Общедоступный продукт для автоматического проектирования чипов в этой публикации не представлен.
Что изменилось в проектах AMD
Модель переписывала SystemVerilog RTL — код, описывающий цифровые схемы. Изменения затрагивали вычисления, управляющую логику и передачу данных. Инструменты Synopsys использовались для проверки сохранения поведения блоков и оценки компромиссов между энергопотреблением, скоростью и площадью.
По оценке OpenAI, объём улучшений соответствует примерно году прогресса, достигнутому менее чем за пять месяцев. Это оценка участника проекта, а не независимое сравнение сроков разработки. AMD уже включила часть изменений в недавний проект, отправленный на производство; другие перенесла в производственные проектные файлы для будущих версий.
Кроме GPU, AMD подтвердила улучшения PPA на несколько процентов в ключевых блоках своего будущего флагманского CPU. Конкретные потребительские модели процессоров, даты продаж и влияние на скорость пользовательских приложений в сообщении не названы.
На Jalapeño изменения проверили в кремнии
OpenAI также описала работу над своим чипом для инференса Jalapeño. Компания начала применять GPT-4o к его проектированию ещё в начале 2025 года. В векторном блоке модели искали более компактные реализации арифметики, способы распределить вычисления по стадиям конвейера и сократить промежуточное хранение данных.
В одном из умножителей матричного блока новая схема занимала примерно на 15% меньше площади стандартных ячеек по результатам синтеза, а задержка сократилась с двух тактов до одного. В отдельном сумматоре площадь уменьшилась примерно на 15% при сохранении двухтактовой задержки.
По оценке команды, предложенные моделями изменения суммарно сократили площадь стандартных ячеек примерно на 13% в векторном блоке и на 10% в матричном. Эти оптимизации подтвердили при запуске изготовленного кремния Jalapeño. Показатели относятся к указанным блокам и стандартным ячейкам, а не к площади всего чипа. Ранее опубликованные результаты самого ускорителя приведены в отдельном материале OpenAI.
Что показали тесты RISC-V — и чего они не доказывают
Для сравнения поколений моделей OpenAI использовала два открытых 32-битных ядра RISC-V: PicoRV32 и Ibex. В одном задании ИИ улучшал существующий RTL, в другом — проектировал ядро по письменным требованиям и шаблонам подключения к системе. Всего оценка включила 9881 запуск по обоим заданиям, ядрам и разным бюджетам токенов.
При сопоставимом бюджете около 112 тысяч токенов на запуск GPT-6.2 Astra получила наивысшую среднюю оценку на обоих ядрах. Производительность оценивали по скрытым от моделей нагрузкам и максимальной частоте, рассчитанной с помощью Yosys. Непрошедшие проверки проекты получали ноль; то же происходило при превышении площади исходного ядра более чем в 16 раз.
Это не эквивалент готового промышленного процессора. При проектировании с нуля модели могли исключать функции исходных ядер, почти не влияющие на тестовые нагрузки, например счётчики производительности и дополнительные инструкции. Сама OpenAI отмечает: более строгий предел площади, обязательное сохранение таких функций и проверка временных характеристик после физического синтеза сделали бы оценку ближе к реальной разработке.
Следующий заявленный этап — совместная с Synopsys работа над GPT-Synopsys, моделью для использования инструментов автоматизации проектирования электроники. В рассматриваемом сообщении нет подтверждённых условий публичного доступа или даты выпуска этой модели.
На обложке — официальный снимок чипа Jalapeño, одного из объектов описанной оптимизации. Фото: OpenAI.