Modely a platformy AI
OpenAI hlásí zlepšení návrhů vlajkových čipů AMD díky modelům

Klíčové bodyModely OpenAI přepsaly RTL čipů AMD a dosáhly až 14% zlepšení PPA u špičkových návrhů…
Zobrazit více
- Modely OpenAI přepsaly RTL čipů AMD a dosáhly až 14% zlepšení PPA u špičkových návrhů GPU.
- Změny navržené modelem snížily plochu standardních buněk přibližně o 13 % ve warp enginu Jalapeño.
- Skóre založená na specifikaci mohou nadhodnocovat schopnosti, protože modely vynechaly funkce, jako jsou čítače výkonu.
OpenAI 18. listopadu 2026 uvedla, že její modely dosáhly u duševního vlastnictví (IP) pro vlajkové GPU AMD až 14% zlepšení ve spotřebě, výkonu a ploše (PPA) oproti důkladně optimalizovaným výchozím návrhům; některé přepsané obvody byly zahrnuty do návrhu odeslaného do výroby.
Zlepšení vyplynula z přepsání RTL v jazyce SystemVerilog, tedy kódu popisujícího obvody čipu. Model použil nástroje Synopsys k ověření, že každé přepsání zachovalo chování daného bloku, a k posouzení kompromisů mezi jednotlivými parametry PPA. AMD přidala do produkčních návrhových souborů další změny určené pro budoucí verze. OpenAI uvedla, že práce na GPU přinesla zhruba rok pokroku za méně než pět měsíců a že AMD u návrhů vytvořených modelem ověřila u klíčových bloků připravovaného vlajkového CPU nové generace jednociferné procentní zlepšení PPA.
Zlepšení na úrovni obvodů v čipu Jalapeño
OpenAI začala na začátku roku 2025 využívat GPT-4o při návrhu čipu Jalapeño, svého prvního čipu pro inferenci na míru. Tým odhaduje, že změny navržené modelem zmenšily plochu standardních buněk přibližně o 13 % v jednotce warp engine, která spravuje a vykonává úlohy paralelních výpočtů, a o 10 % v maticové jednotce, což je aritmetická součást čipu. Modely zkoumaly alternativní implementace logiky, způsoby rozdělení výpočtů mezi fáze pipeline, možnosti sdílení hardwaru a způsoby, jak omezit mezilehlé úložiště.
Mezi konkrétní příklady od OpenAI patří přepracování násobičky v maticové jednotce, které při syntéze využilo přibližně o 15 % menší plochu buněk a zároveň zkrátilo latenci ze dvou taktovacích cyklů na jeden. Samostatné přepracování sčítačky zmenšilo plochu buněk přibližně o 15 % při zachování latence dvou cyklů. Další úspory v celém bloku přinesla vylepšení logiky skalárního součinu a organizace pipeline; optimalizace se osvědčily při oživování čipu Jalapeño na křemíku.
OpenAI ve svých výsledcích z křemíku zveřejněných 25. srpna 2026 uvedla, že díky pomoci umělé inteligence se Jalapeño dostalo od počátečního návrhu až k předání do výroby za devět měsíců.
Testy RISC-V porovnávají pět generací modelů
Aby OpenAI změřila, jak se schopnosti navrhovat čipy měnily napříč generacemi, otestovala modely GPT-6.2 Astra, GPT-6 Astra, GPT-6.1 Sol, GPT-5.6 Sol a GPT-5.5 na dvou open-source 32bitových jádrech RISC-V. PicoRV32 je kompaktní jádro určené pro přeprogramovatelné čipy zvané FPGA; OpenTitan používá Ibex jako vestavěný procesor ve svém bezpečnostním čipu. Hodnocení zahrnovalo jak optimalizaci RTL stávajícího jádra, tak vytvoření jádra na základě písemných požadavků a šablon rozhraní; v rámci jednotlivých úloh, jader a rozpočtů tokenů bylo ohodnoceno 9 881 běhů.
Při optimalizaci RTL dostal každý model původní popis hardwaru a úkol zvýšit propustnost, tedy počet instrukcí vykonaných za sekundu. Návrh získal nula bodů, pokud neprošel simulační kontrolou nebo zabíral více než 16násobek plochy původního jádra. U návrhů, které kontrolou prošly, vypočítala OpenAI geometrický průměr počtu instrukcí za takt napříč úlohami, které modely neviděly, a vynásobila jej maximální taktovací frekvencí odhadnutou pomocí Yosys. Nejvyšší pozorované propustnosti každého jádra při stejných omezeních bylo přiřazeno skóre 1,0 a do průměrů byly zahrnuty i běhy s nulovým skóre.
Při srovnatelném rozpočtu přibližně 112 000 tokenů na jeden běh přinesly výsledky OpenAI modelu GPT-6.2 Astra nejvyšší průměrné skóre při optimalizaci RTL u obou jader; GPT-6.1 Sol také překonal GPT-5.6 Sol u obou jader. Při návrhu převodem specifikace do RTL se srovnatelným rozpočtem zaznamenal GPT-6.2 Astra průměrné normalizované skóre vyšší než 0,7 u PicoRV32 a průměrně přibližně 0,75 u Ibex. Všech pět modelů dosáhlo u obou jader vyššího skóre při návrhu podle písemných požadavků než při optimalizaci stávajícího RTL.
Omezení hodnocení a plán GPT-Synopsys
Vyšší skóre při návrhu podle specifikace je třeba hodnotit s jistou výhradou. OpenAI uvedla, že modely, které vycházely z písemných požadavků, mohly vynechat funkce obsažené v původních jádrech, například čítače výkonu a další instrukce, které na testovacích úlohách propustnost zvyšovaly jen málo. Tyto opomenuté funkce by mohly vysvětlovat část výhody ve skóre. Reprezentativnější test návrhu produkčních čipů by vyžadoval zahrnutí těchto funkcí, přísnější limit plochy obvodu a kontrolu časování po fyzické syntéze.
Aby OpenAI propojila vývoj modelů se zavedenými ověřovacími systémy, spolupracuje se společností Synopsys na trénování GPT-Synopsys, který má používat nástroje pro automatizaci elektronického návrhu (EDA) stejně jako zkušení návrháři čipů. Tato práce navazuje na víceletou dohodu oznámenou 30. září 2026, která zahrnuje společný vývoj, spolupráci při uvádění na trh a sdílení výnosů. Synopsys uvedla, že inženýři budou moci delegovat úkoly od optimalizace PPA až po dokončení časování a ověřování; agenti budou spouštět nástroje, interpretovat výsledky, provádět změny a opakovat postup, dokud nedosáhnou ověřených výsledků, které pak posoudí inženýr.
Synopsys uvedla, že zákaznická návrhová data nebudou použita k trénování GPT-Synopsys a budou šifrována při uložení i přenosu; nastavitelné budou také zásady uchovávání dat, auditů a oprávnění. Tato ochranná opatření a požadavek na kontrolu inženýrem zohledňují skutečnost, že se pracuje s proprietárními produkčními návrhy. Ústřední výzvou výzkumu je propojit zlepšení návrhu dosažená pomocí modelů se spolehlivým ověřováním; GPT-Synopsys má toto propojení zajistit při optimalizaci obvodů i v širších pracovních postupech EDA.












