OpenAI改写AMD旗舰GPU芯片代码:PPA最高提升14%,部分改动已送流片
2026年11月18日,OpenAI官方博客披露:其模型通过重写SystemVerilog代码,在AMD旗舰GPU IP上实现最高14%的PPA综合提升,历时不足五个月完成了业内通常需要约一年才能达到的优化量级。部分改动已被AMD纳入送制造的最新设计,另有改动写入未来版本的生产设计文件。这是AI辅助芯片设计从实验室到流
2026年11月18日,OpenAI在官方博客公布了一项芯片设计成果。其模型自动重写描述电路结构的SystemVerilog代码,让AMD旗舰GPU IP的功耗、性能、面积三项综合指标(PPA)最高提升14%。OpenAI表示,这相当于不到五个月就走完了通常约需一年的优化进度。AMD已将部分模型生成的改动纳入送制造的最新芯片设计,另有一些改动被写进未来版本的生产设计文件。
具体数字是什么意思
PPA是芯片设计行业绕不开的核心优化目标,三个维度要同时兼顾,难度极大——降低功耗往往牺牲性能,压缩面积又可能推高频率上限。OpenAI所说的14%是综合改善的上限值,官方博客没有逐项拆开说明功耗、速度、面积各自贡献了多少。
这个数字放在业内已属异常。顶级GPU设计在流片前都要经过数轮深度优化,所谓“heavily optimized baselines”(大幅优化后的基线),能继续改进的余地极为有限。在这样的底子上再挤出两位数的PPA改善,无论用什么方法论,都值得认真对待。
联合国AI研究网站unite.ai的技术报告给出了更细的数字:在矩阵单元(matrix unit)中,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,两周期延迟保持不变。这些具体改动说明,模型的优化并非整体上模糊地“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AMD的GPU工作之外,OpenAI官方博客还披露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(vector unit)的标准单元面积减少约13%,矩阵单元减少约10%。
据报道,Jalapeño从初始设计到流片只用了九个月,AI协助是压缩时间线的关键因素之一。OpenAI最初让GPT-4o参与Jalapeño的设计,也就是说,这颗芯片的完整生命周期跨越了从GPT-4o到GPT-6系列的模型迭代。
这就构成一个可量化的正反馈循环:AI推理芯片的设计效率,有一部分来自跑在前一代AI硬件上训练的AI模型。
RISC-V基准:9881次跑分背后的模型代际差异
为了评估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)上做了系统性测试,一共记录9881次评分运行。测试分两类任务:RTL优化,即改进现有电路代码;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的预算约束下,GPT-6.2 Astra在两项任务上都拿到最高平均得分。PicoRV32的RTL优化任务上,GPT-6.2 Astra的得分约为GPT-6 Astra的两倍。规格书到RTL的生成任务上,GPT-6.2 Astra在PicoRV32上的平均分超过0.7,在Ibex上约为0.75。
OpenAI在博客里主动承认了一项重要局限:从规格书生成的RTL,可能遗漏原始核心中存在的部分功能,比如性能计数器、额外指令集。因此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:双方正联合训练一个名为GPT-Synopsys的模型,目标是让AI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化成可制造的物理布局。Synopsys是全球EDA市场的绝对头部,其工具链渗透在几乎所有主流芯片的设计流程中。如果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”扩展到“端到端参与从设计到制造的全流程”。
数据安全同样被摆上台面。OpenAI与Synopsys在博客里写明,模型训练不会用到“客户的设计数据”,此外还设置了加密手段,以及可配置的权限、审计和保留控制。
利益关系:OpenAI持有AMD约10%的潜在股份
评估这份14%数字时,商业背景不能忽略。
据CNBC等媒体2025年10月的报道,OpenAI与AMD签署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则向OpenAI发放了购买最多1.6亿股AMD股票的认股权证,行权价仅为每股0.01美元。如果OpenAI全部行权,将获得AMD约10%的股权,行权里程碑与部署规模和AMD股价目标(最高至每股600美元)挂钩。
换句话说,AMD股价走高,OpenAI能从中直接拿到财务上的好处。而宣称“AI显著改善了AMD芯片设计效率”的公告,又可能给AMD股价带来正面推动。眼下AMD已把部分改动投入实际流片,等于给了外部验证。
OpenAI官方博客的这篇公告不含任何来自AMD的直接声明或背书。AMD在2026年7月表示双方“正在联合研究AI如何改善运行AI的系统”,但就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辅助芯片设计,话题都停在工具这一层:拿AI做验证、做调试、生成测试用例。真正让局面变样的问题在于,AI能不能直接写出可以送交流片的RTL代码。这种代码是把设计意图落成物理电路的最底层语言,在芯片工程里也算技术门槛最高的环节之一。
OpenAI披露的信息是,模型生成的SystemVerilog改动已经进入AMD的流片版本。比起任何基准测试的分数,这一步跨过边界的意义更实在。
放到产业格局里看,这条路要是走得通,最先被波及的并不是AMD、英伟达这类芯片设计公司——它们反倒是受益的一方。真正承压的是传统EDA流程里那些大量靠人工完成的优化环节,还有把“能调出更优参数”当成核心竞争力的中层芯片设计服务公司。
从OpenAI自己的算盘来看,这步棋能同时落好几子:Jalapeño的设计效率提上去,自研芯片的成本就跟着降;与AMD合作带来的PPA改善,会通过AMD股票增值通道在财务上给OpenAI回报;和Synopsys的合作,则是为这套能力在行业里铺开做准备。每一环的进展,都会回头滋养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,真正要问的不是“数字真不真”,而是“这条路能走多远”。五个月干完原本一年的优化进度,究竟是因为现有基线里还留着人工漏掉的优化空间,还是AI正在系统地翻找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参与加深而进一步放大,而不是回落到平均水平。