OpenAI 在当地时间 11 月 18 日发布技术报告《Advancing chip design with OpenAI models》,披露了用自家模型辅助芯片设计的最新进展。落点很具体:自研推理芯片 Jalapeño,以及 AMD 下一代 GPU 和 CPU 的设计优化。
在 AMD 旗舰 GPU IP 上,相较于经过高度优化的基准设计,模型带来了最高 14% 的 PPA 改进。PPA 指性能、功耗和面积。模型的做法是重写描述芯片电路的 SystemVerilog RTL 代码,进一步优化电路结构。OpenAI 给出的换算口径是:这相当于把约一年的设计优化进展压缩到不到 5 个月内完成。
AMD 已经把部分优化成果纳入近期送交制造的芯片设计,其他修改则被加入生产设计文件,供后续产品使用。此外,AMD 还在其下一代旗舰 CPU 的关键模块中,验证了模型带来的个位数百分比 PPA 提升。
自研芯片 Jalapeño 上的时间线更早。2025 年初,工程师就开始用 GPT-4o 辅助设计这颗芯片。按 OpenAI 的说法,即使是当时的模型,也已经能在 PPA 方面提出实质性改进方案。
具体到电路模块,模型在 Jalapeño 的向量计算单元中优化了浮点加法器、乘法器、转换函数、归约逻辑和特殊功能单元,减少硬件资源占用;在矩阵计算单元中改进了浮点运算和低精度点积电路。
- 一项乘法器重新设计方案,使综合后的标准单元面积减少约 15%,运算延迟从两个时钟周期缩短至一个时钟周期。
- 另一项加法器设计同样让标准单元面积减少约 15%,同时保持两个时钟周期的延迟。
OpenAI 估算,模型提出的修改使 Jalapeño 向量计算单元的标准单元面积减少约 13%,矩阵计算单元减少约 10%。这些优化已经通过实际芯片验证。
为了评估不同代际模型独立完成芯片设计任务的能力,OpenAI 选了两款开源 32 位 RISC-V 处理器内核做测试:面向 FPGA 的 PicoRV32,以及作为 OpenTitan 安全芯片嵌入式处理器的 Ibex。测试方式是给模型原始硬件描述代码,要求提高处理器吞吐量,再用仿真检查设计正确性。通过检查的设计,会结合隐藏测试负载下的每时钟周期指令数和 Yosys 估算的最高时钟频率,计算每秒执行指令数;未通过正确性检查,或芯片面积超过原始设计 16 倍的设计,记为零分。
结果显示,在每次运行预算约 11.2 万 Token 的条件下,GPT-6.2 Astra 在 PicoRV32 和 Ibex 上的平均得分均最高。以现有 PicoRV32 内核为基础优化时,GPT-6.2 Astra 在相近预算下的得分约为 GPT-6 Astra 的两倍。
另一项测试换了任务:不再优化现有处理器,而是直接给书面规格和代码模板,让模型从零设计 RISC-V 处理器内核,自行决定数据流动方式和流水线阶段划分。所有五款参与测试的模型,在约 11.2 万 Token 的运行预算下,得分都高于优化现有设计时的表现。整个评估覆盖两种设计任务、两款处理器内核及不同 Token 预算,共包含 9881 次计分运行。
OpenAI 也指出了这项结果的解释空间:从规格重新设计处理器时,模型可能省略原有芯片中的性能计数器和额外指令等功能,而这些功能对测试中的吞吐量目标帮助有限,因此可能部分解释得分提升。若要求模型保留这些功能、进一步限制电路面积,并在物理综合后检查时序,测试结果会更接近实际量产芯片设计场景。
后续计划方面,OpenAI 宣布与电子设计自动化软件厂商新思科技(Synopsys)合作,训练名为 GPT-Synopsys 的新模型,目标是让它像专业芯片设计人员一样使用新思科技的 EDA 工具,完成芯片设计与验证工作。
OpenAI 的结论是:此次研究证明,AI 模型不仅能够探索新的处理器架构,也已经能够在 Jalapeño 以及 AMD 下一代旗舰 GPU、CPU 等复杂量产设计基础上提出进一步优化方案。
热门跟贴