14%收益提升!OpenAI用AI造芯,5个月完成人工1年工作量,Astra领跑
智东西(公众号:zhidxcom)编译 | 程茜编辑 | 李水青智东西11月19日消息,刚刚,OpenAI宣布,其模型在不到五个月内,将AMD旗舰级GPU IP的PPA(芯片设计核心指标)提升高达14%,这是此前人类工程师约一整年的研发工作量。OpenAI的研究证明,在RISC-V评估任务中,模型能够探索全新处理器架构
智东西(公众号:zhidxcom)
编译 | 程茜
编辑 | 李水青
智东西11月19日消息,刚刚,OpenAI宣布,其模型在不到五个月内,将AMD旗舰级GPU IP的PPA(芯片设计核心指标)提升高达14%,这是此前人类工程师约一整年的研发工作量。
OpenAI的研究证明,在
OpenAI首个自研推理芯片13%,10%。
为衡量其模型在端到端芯片设计任务中的能力,OpenAI针对两款开源处理器设计,对多代模型依次开展评估,结果显示均高于对已有设计做优化的得分。
同时,为让能力迭代建立在可信评估体系之上,OpenAI正与新思科技合作,将前沿智能能力接入工程师当下用于芯片设计与验证的
一、早在GPT‑4o时代就参与芯片设计,OpenAI披露AI辅助芯片设计优化路径
2025年初,GPT‑4o就已被用来协助设计OpenAI的自研推理芯片Jalapeño。这个早期版本模型已实现多项可观的PPA优化。
向量单元
矩阵单元
OpenAI与AMD合作开展了PPA优化工作,针对旗舰GPU IP,在原本已经深度优化的基准版本之上,最高实现14%的收益提升。
OpenAI称,模型通过重写描述芯片电路的代码挖掘出更多优化空间。这相当于在不到5个月的时间里完成了原本约一整年的研发工作量。
研究人员观察到,该模型能够达到资深
AMD的验证显示,采用OpenAI模型生成的设计,其下一代旗舰CPU的多个核心模块,PPA实现了数个百分点的提升。
二、GPT‑6.2 Astra领跑RISC-V核吞吐优化测试
OpenAI在Jalapeño以及AMD芯片上取得的结果证明,模型能够对量产级设计做出优化。
为衡量各代模型在芯片设计能力上的迭代进展,OpenAI使用两款开源32位
研究人员向每一代模型提供各处理器核原始硬件描述代码,要求它提升
其通过仿真核验每版设计的输出结果。如果设计未通过校验,或是占用面积超过原始核的16倍计为0分,对于校验通过的设计,其采用模型未曾见过的测试负载,测量其每时钟周期指令数(
针对每一款处理器核,他们把相同约束条件下观测到的最优吞吐率定为基准1.0。
在单次调用约11.2万token的同等资源开销下,GPT‑6.2 Astra在两款处理器核上的平均分均为最高,GPT‑6.1 Sol在两款核上的得分都高于GPT‑5.6 Sol。
第二项任务中,研究人员向模型提供书面需求以及开源代码里的模板,这些模板定义了处理器核与系统其他部分的连接方式,由模型自主选择数据在核内的流转路径,以及如何将工作拆分为多级流水线。
针对两款处理器核,正确性校验、存储与缓存配置、吞吐率目标均和前面的RTL优化任务保持一致。
在单次约11.2万token的开销下,全部五款模型基于书面需求从零设计处理器核时的得分,均高于对已有设计做优化的得分,该结论在
GPT‑6.2 Astra在Ibex上的提升幅度大于PicoRV32。整套评估一共完成9881次有效打分跑测,覆盖两项任务、两款处理器核以及全部token资源配置。
基于书面需求从头设计,模型可以选择省去原始核中自带的一些功能,例如性能计数器和扩展指令。这类特性对本次测试负载下的吞吐率提升贡献有限,这也可以部分解释该任务得分更高的原因。
OpenAI称,如果强制要求保留这些功能、设置更严苛的电路面积约束,并在物理综合后做时序检查,这套测试会更贴近真实量产芯片设计场景。
结语:AI打开芯片设计新战场
从OpenAI的研究成果可以看出,在芯片设计领域,AI已经具备在成熟量产设计上挖掘增量收益、基于规格自主探索微架构空间的能力。
这或许会催生