Modele și platforme AI
OpenAI raportează îmbunătățiri obținute cu ajutorul modelelor în proiectarea cipurilor AMD de vârf

Puncte cheieModelele OpenAI au rescris RTL-ul cipurilor AMD pentru câștiguri PPA de până la 14% pe…
Vezi mai mult
- Modelele OpenAI au rescris RTL-ul cipurilor AMD pentru câștiguri PPA de până la 14% pe modelele de GPU de top.
- Modificările propuse de model au redus aria celulelor standard cu aproximativ 13% în motorul warp al Jalapeño.
- Scorurile bazate pe specificații pot supraestima capacitatea deoarece modelele au omis funcționalități precum contoarele de performanță.
Pe 18 noiembrie 2026, OpenAI a raportat că modelele sale au îmbunătățit cu până la 14% consumul de energie, performanța și suprafața (PPA) față de repere de comparație optimizate intensiv pentru proprietatea intelectuală (IP) destinată GPU-urilor AMD de vârf, unele rescrieri de circuite fiind incluse într-un proiect trimis la fabricație.
Îmbunătățirile au rezultat din rescrierea codului RTL în SystemVerilog, care descrie circuitele unui cip. Modelul a folosit instrumentele Synopsys pentru a verifica dacă fiecare rescriere păstra comportamentul unui bloc și pentru a evalua compromisurile PPA. AMD a adăugat și alte modificări în fișierele de proiectare destinate producției pentru versiunile viitoare. OpenAI a declarat că activitatea privind GPU-urile a reprezentat aproximativ un an de progres realizat în mai puțin de cinci luni și că AMD a verificat îmbunătățiri PPA procentuale cu o singură cifră în blocurile-cheie ale unui procesor CPU emblematic de generație următoare, aflat în pregătire, folosind proiecte scrise de model.
Îmbunătățiri la nivel de circuit în Jalapeño
OpenAI a început să folosească GPT-4o pentru a contribui la proiectarea Jalapeño, primul său cip de inferență personalizat, la începutul anului 2025. Echipa estimează că modificările propuse de model au redus suprafața celulelor standard cu aproximativ 13% în motorul warp, care gestionează și execută sarcini de calcul paralel, și cu 10% în unitatea matricială, o componentă aritmetică. Modelele au explorat implementări logice alternative, modalități de împărțire a calculelor între etapele conductei de execuție, oportunități de partajare a hardware-ului și reduceri ale stocării intermediare.
Printre exemplele detaliate prezentate de OpenAI se numără reproiectarea unui multiplicator din unitatea matricială, care a folosit cu aproximativ 15% mai puțină suprafață de celule în sinteză, reducând totodată latența de la două cicluri de ceas la unul. O reproiectare separată a unui sumator a redus suprafața celulelor cu aproximativ 15%, păstrând latența de două cicluri. Îmbunătățirile suplimentare aduse logicii produsului scalar și organizării conductei de execuție au generat economii suplimentare la nivelul întregului bloc, iar optimizările au fost validate pe siliciu în timpul pornirii inițiale a Jalapeño.
Rezultatele obținute pe siliciu de OpenAI la 25 august 2026 au arătat că asistența IA a ajutat Jalapeño să treacă de la proiectarea inițială la trimiterea către fabricație în nouă luni.
Teste RISC-V compară cinci generații de modele
Pentru a măsura evoluția capacităților de proiectare a cipurilor între generații, OpenAI a testat GPT-6.2 Astra, GPT-6 Astra, GPT-6.1 Sol, GPT-5.6 Sol și GPT-5.5 pe două nuclee RISC-V open source pe 32 de biți. PicoRV32 este un nucleu compact conceput pentru cipuri reprogramabile numite FPGA-uri; OpenTitan folosește Ibex drept procesor încorporat în cipul său de securitate. Evaluarea a inclus atât optimizarea codului RTL al unui nucleu existent, cât și crearea unui nucleu pe baza unor cerințe scrise și a unor șabloane de interfață, cu 9.881 de rulări punctate pentru diferitele sarcini, nuclee și bugete de tokenuri.
Pentru optimizarea RTL, fiecare model a primit descrierea hardware inițială și i s-a cerut să mărească debitul, adică numărul de instrucțiuni executate pe secundă. Un proiect a primit zero puncte dacă nu trecea de o verificare prin simulare sau dacă folosea o suprafață de peste 16 ori mai mare decât cea a nucleului inițial. Pentru proiectele care treceau verificarea, OpenAI a calculat media geometrică a numărului de instrucțiuni pe ciclu pentru sarcini de lucru care nu fuseseră prezentate modelelor, apoi a înmulțit-o cu frecvența maximă de ceas estimată cu Yosys. Celui mai bun debit observat pentru fiecare nucleu în aceleași condiții i s-a atribuit un scor de 1,0, iar mediile au inclus și rulările cu zero puncte.
La un buget comparabil de aproximativ 112.000 de tokenuri per rulare, rezultatele OpenAI au arătat că GPT-6.2 Astra a obținut cel mai mare scor mediu pentru ambele nuclee la optimizarea RTL; GPT-6.1 Sol a obținut, de asemenea, scoruri mai mari decât GPT-5.6 Sol pentru ambele. La proiectarea de la specificații la RTL, cu un buget similar, GPT-6.2 Astra a înregistrat un scor mediu normalizat de peste 0,7 pentru PicoRV32 și o medie de aproximativ 0,75 pentru Ibex. Pentru ambele nuclee, toate cele cinci modele au obținut scoruri mai mari când au proiectat pornind de la cerințe scrise decât când au optimizat cod RTL existent.
Limitele evaluării și planul GPT-Synopsys
Scorurile mai mari obținute pe baza specificațiilor trebuie interpretate cu o precizare. OpenAI a spus că modelele care porneau de la cerințe scrise puteau omite funcții prezente în nucleele originale, precum contoarele de performanță și instrucțiunile suplimentare, care contribuiau puțin la creșterea debitului în sarcinile de lucru folosite la testare. Aceste omisiuni ar putea explica o parte din avantajul de scor. Impunerea acestor funcții, stabilirea unei limite mai stricte pentru suprafața circuitului și verificarea temporizării după sinteza fizică ar face testul mai reprezentativ pentru proiectarea cipurilor destinate producției.
Pentru a conecta dezvoltarea modelelor cu sistemele consacrate de verificare, OpenAI colaborează cu Synopsys la antrenarea GPT-Synopsys, astfel încât acesta să folosească instrumentele de automatizare a proiectării electronice (EDA) așa cum o fac proiectanții de cipuri cu experiență. Inițiativa continuă acordul multianual anunțat la 30 septembrie 2026, care vizează dezvoltarea comună, colaborarea pentru lansarea pe piață și împărțirea veniturilor. Synopsys a spus că inginerii vor delega obiective, de la optimizarea PPA până la închiderea problemelor de temporizare și verificare, iar agenții vor rula instrumente, vor interpreta rezultatele, vor implementa modificări și vor repeta procesul până la obținerea unor rezultate verificate, pe care inginerii le vor analiza.
Synopsys a declarat că datele de proiectare ale clienților nu vor fi folosite pentru antrenarea GPT-Synopsys și vor fi criptate atât în repaus, cât și în tranzit, cu setări configurabile pentru păstrarea datelor, audit și permisiuni. Aceste măsuri de protecție și cerința ca inginerii să verifice rezultatele țin cont de realitățile proiectării unor produse proprietare destinate producției. Provocarea centrală a cercetării este să conecteze îmbunătățirile de proiectare obținute cu ajutorul modelelor cu verificarea de încredere; GPT-Synopsys este conceput să asigure această conexiune, atât pentru optimizarea circuitelor, cât și pentru fluxurile de lucru EDA mai ample.












