Бизнес и продуктивность

ИИ-модели OpenAI в проектировании чипов: от собственных разработок до партнерства с AMD

OpenAI использует свои модели для оптимизации микроархитектуры процессоров. ИИ помогает сокращать площадь чипов и повышать их производительность на реальном оборудовании.

Обновлено:
3 мин чтения
ИИ-модели OpenAI в проектировании чипов: от собственных разработок до партнерства с AMD

Главное за 30 секунд

Модели OpenAI способны на уровне экспертов оптимизировать логику процессоров, сокращая сроки разработки и улучшая показатели производительности и площади кристаллов в реальных коммерческих продуктах.

  • Модель GPT-o3 mini помогла уменьшить площадь стандартных ячеек чипа Jalapeño примерно на 13% в векторном блоке и на 10% в матричном.
  • Сотрудничество с AMD принесло до 14% улучшения PPA для флагманского GPU IP менее чем за 5 месяцев.
  • В тестах на ядрах RISC-V модель GPT-6.2 Astra показала наивысший средний балл при бюджете около 112 000 токенов.
  • OpenAI и Synopsys разрабатывают новую модель GPT-Synopsys для интеграции с инструментами EDA.

Неочевидное: ИИ-модели демонстрируют более высокие результаты при проектировании архитектуры процессора с нуля по текстовым требованиям, чем при попытках модифицировать и улучшить уже готовый исходный код.

Компания OpenAI активно применяет свои языковые модели для проектирования и улучшения вычислительных чипов. Искусственный интеллект берет на себя задачи по оптимизации логических схем, демонстрируя результаты на уровне профильных специалистов. Это касается как собственных разработок компании, так и оборудования сторонних производителей.

В начале 2025 года инженеры OpenAI начали использовать модель GPT-o3 mini для разработки собственного чипа для логического вывода (inference) под названием Jalapeño. Даже эта ранняя модель смогла предложить нетривиальные улучшения показателей PPA (мощность, производительность, площадь). В векторном блоке, отвечающем за параллельные вычисления, ИИ нашел способы сократить использование аппаратных ресурсов за счет оптимизации сумматоров, умножителей и логики преобразований. Модели исследовали альтернативные реализации логики и распределение вычислений по стадиям конвейера.

В матричном блоке Jalapeño редизайн одного из умножителей позволил сократить площадь ячеек при синтезе примерно на 15%, одновременно снизив задержку с двух тактовых циклов до одного. Другой сумматор был переработан с уменьшением площади примерно на 15%, сохранив свою двухтактовую задержку. В целом по проекту Jalapeño предложенные моделью изменения позволили сократить площадь стандартных ячеек примерно на 13% в векторном блоке и на 10% в матричном. Эти оптимизации были подтверждены при тестировании реального кремния.

A softly textured blue and turquoise gradient.

A softly textured blue and turquoise gradient.

Опыт, полученный на внутренних проектах, OpenAI применила в партнерстве с компанией AMD. Совместная работа над флагманским GPU IP показала улучшение показателей PPA до 14% по сравнению с уже сильно оптимизированными базовыми версиями. Модель переписывала код на языке SystemVerilog RTL, описывающий цепи чипа. По оценкам, это эквивалентно примерно году прогресса, который был достигнут менее чем за 5 месяцев. AMD уже включила часть этих изменений в дизайн, отправленный на производство, и добавила другие в файлы для будущих версий. Для следующего поколения флагманских CPU от AMD модель также обеспечила однозначные процентные улучшения PPA в ключевых блоках.

Чтобы измерить прогресс между поколениями моделей, исследователи протестировали их на двух открытых 32-битных ядрах архитектуры RISC-V: PicoRV32 и Ibex. Задача заключалась в увеличении пропускной способности — количества инструкций, выполняемых за секунду. При сопоставимом бюджете около 112 000 токенов на запуск модель GPT-6.2 Astra показала наивысший средний балл на обоих ядрах. На ядре PicoRV32 ее результат оказался примерно в два раза выше, чем у GPT-6 Astra. Модель GPT-6.1 Sol, в свою очередь, превзошла GPT-5.6 Sol.

Интересно, что при попытке спроектировать ядро RISC-V с нуля по текстовой спецификации все пять тестируемых моделей набрали более высокие баллы, чем при попытке улучшить уже существующий дизайн. При бюджете около 112 000 токенов GPT-6.2 Astra достигла среднего балла 0.7 на спецификации PicoRV32 и около 0.75 на Ibex. Проектирование с нуля дает моделям свободу опускать некоторые функции оригинальных ядер, например, счетчики производительности, что могло частично повлиять на преимущество в баллах.

Способность моделей рассуждать о коде RTL на уровне эксперта-микроархитектора открывает новые пути в инженерном деле. Для дальнейшего развития этого направления OpenAI сотрудничает с компанией Synopsys. Цель партнерства — обучить новую модель GPT-Synopsys использовать профессиональные инструменты автоматизации электронного проектирования (EDA) так, как это делают опытные инженеры-разработчики чипов.

Источник:Openai

Читать дальше