同一天公开的这项成果里,OpenAI给出的说法是,模型自动重写了描述电路结构的SystemVerilog代码,让AMD旗舰GPU IP在功耗、性能、面积三项综合指标上最高改善14%。按OpenAI的说法,这相当于把通常约一年的优化进度压缩到不足五个月;AMD已把模型生成的部分改动收进送制造的最新芯片设计,另一些则进入未来版本的生产设计文件。
具体数字是什么意思
PPA是芯片设计行业最看重的优化目标,三个维度要同时兼顾非常难——一般降功耗就得让性能让步,压面积又可能把频率上限顶高。OpenAI说的14%是综合改善的上限,博客里并没有逐项拆开讲功耗、速度、面积各自贡献了多少。
这个数字放在业内已经算反常。如今顶级GPU设计在流片前都要经历好几轮深度打磨,所谓“heavily optimized baselines”(大幅优化后的基线)能留给自己继续改的余地很小。在这样的底子上还能再榨出两位数的PPA改善,不管用的是什么方法,都值得认真看待。
联合国AI研究网站unite.ai的技术报告给出了更细的数字:矩阵单元里,模型重新设计的乘法器把标准单元面积减少了15%,延迟也从两个时钟周期压到一个;加法器设计同样减了15%的面积,同时保持两周期延迟。这些具体改动说明,模型的优化并非笼统地“压缩”,而是针对特定功能模块做了结构性重构。
Jalapeño:OpenAI自研推理芯片的AI参与史
除了AMD的GPU工作,OpenAI官方博客还公开了第一颗自研推理芯片Jalapeño的设计细节。模型提出的改动让向量单元的标准单元面积减少约13%,矩阵单元减少约10%。
据报道,Jalapeño从开始设计到流片只花了九个月,AI协助是压缩这条时间线的关键因素之一。OpenAI最早是用GPT-4o参与Jalapeño设计的,也就是说这颗芯片的完整生命周期跨过了从GPT-4o到GPT-6系列的模型迭代。
这就形成一个可以量化的正反馈:AI推理芯片的设计效率,有一部分来自跑在前一代AI硬件上训练出来的AI模型。
RISC-V基准:9881次跑分背后的模型代际差异
为了衡量不同模型的芯片设计能力,OpenAI在两个开源RISC-V处理器核(PicoRV32和Ibex)上做了系统测试,一共记录9881次评分运行。任务分两类:RTL优化,也就是改进现有电路代码;以及从规格书生成RTL,即从设计意图直接生成电路描述。
在约112,000 tokens的预算限制下,GPT-6.2 Astra在两类任务上的平均得分都是最高。PicoRV32的RTL优化任务里,GPT-6.2 Astra的得分约为GPT-6 Astra的两倍;规格书到RTL的生成任务里,GPT-6.2 Astra在PicoRV32上的平均分超过0.7,在Ibex上约为0.75。
OpenAI在博客里主动点出一项重要局限:从规格书生成的RTL可能漏掉原始核心中的部分功能(比如性能计数器、额外指令集),所以规格书任务的分数不能直接等同于生产设计的质量。
Synopsys合作:直指EDA工具链的核心
OpenAI还披露了与芯片设计工具巨头Synopsys的合作:两家正在联合训练一个叫GPT-Synopsys的模型,目的是让AI能像资深芯片工程师那样操作电子设计自动化(EDA)工具。这项多年合作于2026年9月30日正式宣布。
EDA工具相当于芯片设计的“编译器”——把工程师的设计意图转成可制造的物理布局。Synopsys在全球EDA市场稳居头部,其工具链几乎渗进所有主流芯片的设计流程。一旦GPT-Synopsys能有效操作这套工具链,AI辅助设计的覆盖范围就会从“优化现有电路代码”延伸到“端到端参与从设计到制造的全流程”。
联合训练的数据安全问题也被明确提到:OpenAI和Synopsys在博客中声明,“客户的设计数据不会被用于训练”模型,并配有加密保护和可配置的权限、审计及保留控制机制。
利益关系:OpenAI持有AMD约10%的潜在股份
看这份14%的数字时,商业背景不能略过。
据CNBC等媒体2025年10月的报道,OpenAI与AMD签了一份多年芯片供应协议:OpenAI承诺部署合计6吉瓦(GW)的AMD GPU算力,AMD则给OpenAI发了认股权证,最多可购买1.6亿股AMD股票,行权价只有每股0.01美元。若OpenAI全部行权,将拿到AMD约10%的股权,行权里程碑与部署规模以及AMD股价目标(最高至每股600美元)挂钩。
也就是说,AMD股价上涨这件事,OpenAI有直接的财务利益。而一份讲“AI明显提升了AMD芯片设计效率”的公告,对AMD股价有潜在正面作用。AMD已把部分改动放进实际流片,这算是一层外部验证。
OpenAI这篇博客公告里没有任何来自AMD的直接声明或背书。AMD在2026年7月曾表示双方“正在联合研究AI如何改善运行AI的系统”,但针对11月18日的这份具体数据,AMD没有发表独立评论。
这件事的产业意义在哪里
前些年聊AI帮芯片设计,说的多是工具层面的事——验证、调试、生成测试用例。真正能改变格局的是另一回事:AI能不能直接写出可送流片的RTL代码。这是设计意图转成物理电路最底层的语言,也是芯片工程里技术门槛最高的环节之一。OpenAI这次披露的情况是,模型生成的SystemVerilog改动已经进入AMD的流片版本。这一步跨过去,比任何基准测试分数都更有实质分量。
放到产业结构里看,这条路线若能走通,最先被冲击的并不是AMD、英伟达这类芯片设计公司,它们反而是受益方。真正受冲击的是传统EDA流程中大量靠人工完成的优化环节,还有那些把“能调出更优参数”当作核心竞争力的中层芯片设计服务公司。
从OpenAI自己的战略算盘看,这步棋有几头的好处:Jalapeño的设计效率提上来,自研芯片成本直接往下压;与AMD合作带来的PPA改善,在财务上通过AMD股票增值通道给OpenAI回报;和Synopsys的合作,则是把这套能力往全行业推的路。每个环节往前走一步,都会反哺下一代模型和芯片的设计。
独立判断
这份公告比一般的AI能力宣传更可信,理由有三条:数字够细,细到矩阵单元乘法器的面积和延迟;有外部验证,改动进了AMD的制造版本;OpenAI自己还主动讲了方法论的局限,比如规格书生成任务可能漏掉功能。
不过真正的问题不在“数字真不真”,而在“这条路能走多远”。五个月干完了一年的优化进度,是因为现有基线里本来就有被人工漏掉的优化空间,还是AI在系统性地翻人类设计师认知盲区之外的解空间?如果是后者,这种速度优势会随着AI参与加深继续加速,而不是回落到平均水平。