OpenAI 於 11 月 18 日發布一份晶片設計報告,稱自家模型參與了兩類硬體工作:一是自研推論晶片 Jalapeño,二是與 AMD 合作最佳化旗艦 GPU 的設計模組。依公司說法,在 AMD 旗艦 GPU 的 IP 上,模型提出的改動讓功耗、效能、面積(業界合稱 PPA)三項綜合指標相較「高度最佳化的基準線」最高提升 14%,前後花了不到五個月,部分改動已進入送交晶圓廠製造的設計。
OpenAI 將這項成果概括為「不到五個月取得約一年的進度」。這是公司自己的說法,公開報導中 AMD 並未另外提出量化表態。
模型修改的是 RTL 程式碼
根據媒體對報告的轉述,模型做的是改寫以 SystemVerilog 撰寫的 RTL,也就是描述晶片電路的程式碼;每一處改寫都要用 Synopsys 的工具驗證模組行為沒有改變,再評估 PPA 的取捨。除了送交製造的 GPU 設計,AMD 還把另一部分改動放進後續版本的量產設計檔,並在一款下一代旗艦 CPU 的幾個關鍵模組上驗證到個位數百分比的 PPA 改善。
Jalapeño 這邊的數字更細。模型提出的改動讓 warp engine(向量單元)的標準單元面積減少約 13%,矩陣單元減少約 10%。其中矩陣單元的乘法器重新設計後,合成階段的單元面積少了約 15%,延遲從兩個週期壓到一個;加法器同樣少了約 15% 面積,延遲維持兩個週期。OpenAI 稱這些最佳化已在晶片點亮階段獲得驗證。
報告還附上一組 RISC-V 實驗:讓五代模型去最佳化兩款開源 32 位元處理器核心 PicoRV32 和 Ibex,或是依書面需求直接寫出整顆核心,總共 9,881 次評分執行,模擬未通過或面積超過原核心 16 倍者直接記零分。GPT-6.2 Astra 在兩款核心的 RTL 最佳化任務上平均分數都最高;在「依需求撰寫核心」任務上,它對 PicoRV32 的平均分數超過 0.7,對 Ibex 約 0.75。
OpenAI 也寫出這組實驗的缺陷:從需求出發的模型有時會漏掉原核心裡的效能計數器、擴充指令這類功能,它們對測試負載的吞吐量幫助不大,所以「依需求撰寫核心」的分數偏高,可能有一部分來自功能缺漏。公司提出的改法,是把這些功能列為必要項目、收緊面積上限,並在實體合成之後再檢查一次時序。
把幾個節點串起來看
縱向看 OpenAI 這一年的硬體動作,節奏很密集。6 月它與博通公布 Jalapeño,稱從初始設計到投片約九個月;8 月公布矽晶片結果;9 月 30 日與 Synopsys 簽下多年協議,涵蓋聯合開發、市場推廣與營收分成。這次報告中,雙方進一步宣布訓練 GPT-Synopsys,讓模型像資深工程師那樣操作 EDA 工具,從 PPA 最佳化一路做到時序與驗證收斂,最後環節由工程師審查。
Synopsys 方面稱,客戶的設計資料不會被用來訓練 GPT-Synopsys,資料在儲存與傳輸中皆加密,保存期限、稽核與權限都可以設定。設計資料是晶片公司最敏感的資產,這項承諾能否打消疑慮,要看後續有多少客戶願意把 RTL 交給這套工具。
目前所有數字都來自 OpenAI 單方。14% 具體落在哪幾個模組、對應 AMD 哪一代產品,公開資料沒有揭露,也還沒有第三方重現。
參考來源:OpenAI 晶片設計報告、The Decoder、CocoLoop、Unite.AI;已核對 AMD 旗艦 GPU IP 的 PPA 提升幅度、Jalapeño 各單元面積降幅與 RISC-V 實驗執行次數。