OpenAI 11 月 18 日发布一份芯片设计报告,称自家模型参与了两类硬件工作:一是自研推理芯片 Jalapeño,二是与 AMD 合作优化旗舰 GPU 的设计模块。按公司说法,在 AMD 旗舰 GPU IP 上,模型提出的改动让功耗、性能、面积(业内合称 PPA)三项综合指标相对“高度优化的基线”最高提升 14%,前后用了不到五个月,部分改动已经进入送厂制造的设计。
OpenAI 把这个结果概括为“不到五个月拿到约一年的进度”。这是公司自己的口径,公开报道里 AMD 没有给出单独的量化表态。
模型改的是 RTL 代码
据媒体对报告的转述,模型做的是改写 SystemVerilog 写成的 RTL,也就是描述芯片电路的代码;每一处改写都要用 Synopsys 的工具验证模块行为没变,再评估 PPA 的取舍。除了送厂的 GPU 设计,AMD 还把另一部分改动放进后续版本的生产设计文件,并在一款下一代旗舰 CPU 的几个关键模块上验证到个位数百分比的 PPA 改善。
Jalapeño 这边的数字更细。模型提出的改动让 warp engine(向量单元)的标准单元面积减少约 13%,矩阵单元减少约 10%。其中矩阵单元的乘法器重新设计后,综合阶段的单元面积少了约 15%,延迟从两个周期压到一个;加法器同样少了约 15% 面积,延迟维持两个周期。OpenAI 称这些优化在芯片点亮阶段得到了验证。
报告还附了一组 RISC-V 实验:让五代模型去优化两款开源 32 位处理器核 PicoRV32 和 Ibex,或者从书面需求直接写出整颗核,总共 9881 次打分运行,仿真不通过或面积超过原核 16 倍的直接记零分。GPT-6.2 Astra 在两款核的 RTL 优化任务上平均分都最高;在“从需求写核”任务上,它对 PicoRV32 的平均分超过 0.7,对 Ibex 约 0.75。
OpenAI 也写了这组实验的缺陷:从需求出发的模型有时会漏掉原核里的性能计数器、扩展指令这类功能,它们对测试负载的吞吐量帮助不大,所以“从需求写核”分数偏高,可能有一部分来自功能缺省。公司给的改法是把这些功能列为必选、收紧面积上限、在物理综合后再查一遍时序。
把几个节点连起来看
纵向看 OpenAI 这一年的硬件动作,节奏很密。6 月它与博通公布 Jalapeño,称从初始设计到流片约九个月;8 月公布硅片结果;9 月 30 日与 Synopsys 签下多年协议,覆盖联合开发、市场推广和收入分成。这次报告里,双方进一步宣布训练 GPT-Synopsys,让模型像资深工程师那样操作 EDA 工具,从 PPA 优化一路做到时序和验证收敛,工程师在最后环节审查。
Synopsys 方面称,客户的设计数据不会被用来训练 GPT-Synopsys,数据在存储和传输中加密,保留期限、审计和权限都可以配置。设计数据是芯片公司最敏感的资产,这条承诺能不能打消顾虑,要看后续有多少客户愿意把 RTL 交给这套工具。
眼下所有数字都来自 OpenAI 一方。14% 具体落在哪几个模块、对应 AMD 哪一代产品,公开材料没有披露,也还没有第三方复现。
参考来源:OpenAI 芯片设计报告、The Decoder、CocoLoop、Unite.AI;核对 AMD 旗舰 GPU IP 的 PPA 提升幅度、Jalapeño 各单元面积降幅与 RISC-V 实验运行次数。