OpenAI publicó el 18 de noviembre un informe sobre diseño de chips en el que afirma que sus modelos participaron en dos trabajos de hardware: el chip de inferencia propio Jalapeño y la optimización, junto con AMD, de módulos de diseño de una GPU insignia. Según la compañía, en el IP de GPU insignia de AMD los cambios propuestos por el modelo mejoraron hasta un 14 % el indicador combinado de consumo, rendimiento y área (conocido en el sector como PPA) respecto a una “base altamente optimizada”. El trabajo duró menos de cinco meses y parte de los cambios ya figura en diseños enviados a fabricación.
OpenAI resume el resultado como “alrededor de un año de progreso en menos de cinco meses”. Es el cálculo de la propia empresa; en la cobertura pública, AMD no ha hecho una declaración cuantitativa propia.
El modelo modifica código RTL
Según los medios que han resumido el informe, el modelo reescribe RTL, es decir, el código en SystemVerilog que describe los circuitos del chip. Cada reescritura se verifica con herramientas de Synopsys para confirmar que el comportamiento del módulo no cambia, y después se evalúan los equilibrios de PPA. Además del diseño de GPU enviado a fabricación, AMD incorporó otra parte de los cambios a los archivos de diseño de producción de versiones posteriores y validó mejoras de PPA de un solo dígito porcentual en varios módulos clave de una CPU insignia de próxima generación.
En el lado de Jalapeño las cifras son más detalladas. Los cambios propuestos por el modelo redujeron en torno a un 13 % el área de celdas estándar del warp engine (la unidad vectorial) y en torno a un 10 % la de la unidad matricial. En esta, el multiplicador rediseñado ahorró cerca de un 15 % de área de celdas en la fase de síntesis y su latencia pasó de dos ciclos a uno; el sumador también redujo cerca de un 15 % de área, manteniendo la latencia en dos ciclos. OpenAI afirma que estas optimizaciones se validaron en la fase de puesta en marcha del chip.
El informe añade una serie de experimentos con RISC-V: cinco generaciones de modelos optimizaron dos núcleos de procesador de código abierto de 32 bits, PicoRV32 e Ibex, o escribieron un núcleo completo a partir de requisitos escritos, con un total de 9881 ejecuciones puntuadas; si la simulación fallaba o el área superaba 16 veces la del núcleo original, la puntuación era cero. GPT-6.2 Astra obtuvo la mayor puntuación media en las tareas de optimización de RTL de ambos núcleos; en la tarea de “escribir el núcleo a partir de requisitos”, su media superó 0,7 en PicoRV32 y rondó 0,75 en Ibex.
OpenAI también señala las limitaciones de estos experimentos: los modelos que parten de los requisitos a veces omiten funciones del núcleo original, como contadores de rendimiento e instrucciones de extensión, que aportan poco al rendimiento de la carga de prueba, por lo que la puntuación elevada en “escribir el núcleo a partir de requisitos” puede deberse en parte a funciones ausentes. La corrección que propone la empresa es declarar esas funciones obligatorias, endurecer el límite de área y volver a comprobar los tiempos tras la síntesis física.
Unir los puntos
Si se observa la actividad de hardware de OpenAI en el último año, el ritmo es intenso. En junio presentó Jalapeño junto con Broadcom, con unos nueve meses desde el diseño inicial hasta el tape-out; en agosto publicó los resultados del silicio; el 30 de septiembre firmó con Synopsys un acuerdo plurianual que abarca desarrollo conjunto, comercialización y reparto de ingresos. En este informe, ambas partes anuncian además el entrenamiento de GPT-Synopsys, para que el modelo maneje herramientas EDA como un ingeniero veterano, desde la optimización de PPA hasta la convergencia de tiempos y verificación, con ingenieros revisando en el tramo final.
Synopsys afirma que los datos de diseño de los clientes no se usarán para entrenar GPT-Synopsys; los datos se cifran en almacenamiento y tránsito, y el plazo de conservación, la auditoría y los permisos son configurables. Los datos de diseño son el activo más sensible de las empresas de chips, y que esta promesa disipe las dudas dependerá de cuántos clientes estén dispuestos a entregar su RTL a este conjunto de herramientas.
Por ahora, todas las cifras proceden de OpenAI. En qué módulos recae exactamente el 14 % y a qué generación de producto de AMD corresponde no lo revelan los materiales públicos, y tampoco hay todavía una reproducción por terceros.
Fuentes: informe de diseño de chips de OpenAI, The Decoder, CocoLoop, Unite.AI; se contrastaron la mejora de PPA en el IP de GPU insignia de AMD, las reducciones de área de cada unidad de Jalapeño y el número de ejecuciones de los experimentos con RISC-V.