OpenAI于当地时间11月18日发布技术报告《Advancing chip design with OpenAI models》,披露其利用AI模型辅助芯片设计的最新进展。报告显示,相关技术已应用于OpenAI自研推理芯片Jalapeño以及AMD下一代GPU和CPU的设计优化,在AMD旗舰GPU IP上实现最高14%的PPA(性能、功耗、面积)改进,Jalapeño向量计算单元的标准单元面积减少约13%。
OpenAI表示,工程师早在2025年初就开始使用GPT-4o辅助设计Jalapeño。即便是当时的模型,也已经能够在芯片PPA方面提出实质性改进方案。在Jalapeño的向量计算单元中,AI模型通过优化浮点加法器、乘法器、转换函数、归约逻辑和特殊功能单元,减少硬件资源占用;在矩阵计算单元中,模型则改进了浮点运算和低精度点积电路。
具体而言,一项乘法器重新设计方案使综合后的标准单元面积减少约15%,同时将运算延迟从两个时钟周期缩短至一个时钟周期;另一项加法器设计同样将标准单元面积减少约15%,并保持两个时钟周期的延迟。OpenAI估算,模型提出的修改使Jalapeño向量计算单元的标准单元面积减少约13%,矩阵计算单元减少约10%,这些优化均已通过实际芯片验证。
在与AMD的合作中,OpenAI模型参与了GPU和CPU芯片设计优化。在AMD旗舰GPU IP上,相较于经过高度优化的基准设计,模型带来了最高14%的PPA改进。相关模型通过重写描述芯片电路的SystemVerilog RTL代码,进一步优化电路结构。OpenAI称,这相当于将约一年的设计优化进展压缩到不到5个月内完成。AMD已将部分优化成果纳入近期送交制造的芯片设计,其他修改则被加入生产设计文件供后续产品使用。此外,AMD还在其下一代旗舰CPU的关键模块中验证了模型带来的个位数百分比PPA提升。
为评估不同代际AI模型独立完成芯片设计任务的能力,OpenAI选择了两款开源32位RISC-V处理器内核进行测试,分别是面向FPGA的PicoRV32,以及作为OpenTitan安全芯片嵌入式处理器的Ibex。测试中,OpenAI向模型提供原始硬件描述代码,要求其提高处理器吞吐量,并通过仿真检查设计正确性。对于通过检查的设计,研究人员结合隐藏测试负载下的每时钟周期指令数和Yosys估算的最高时钟频率,计算每秒执行指令数;若设计未通过正确性检查,或芯片面积超过原始设计的16倍,则记为零分。
测试结果显示,在每次运行预算约为11.2万Token的条件下,GPT-6.2 Astra在PicoRV32和Ibex两款处理器上的平均得分均最高。以现有PicoRV32内核为基础进行优化时,GPT-6.2 Astra在相近预算下的得分约为GPT-6 Astra的两倍。在另一项从零设计RISC-V处理器内核的任务中,模型仅依据书面规格和代码模板自行决定数据流动方式和流水线阶段划分,所有五款参与测试的模型在约11.2万Token的运行预算下,得分均高于优化现有设计时的表现。整个评估覆盖两种设计任务、两款处理器内核及不同Token预算,共包含9881次计分运行。
OpenAI同时指出,从规格重新设计处理器时,模型可能省略原有芯片中的性能计数器和额外指令等功能,而这些功能对测试中的吞吐量目标帮助有限,因此可能部分解释得分提升。若要求模型保留这些功能、进一步限制电路面积,并在物理综合后检查时序,测试结果会更接近实际量产芯片设计场景。
在后续计划方面,OpenAI宣布与电子设计自动化软件厂商新思科技(Synopsys)合作,训练名为GPT-Synopsys的新模型,使其能够像专业芯片设计人员一样使用新思科技的EDA工具,完成芯片设计与验证工作。OpenAI表示,此次研究证明,AI模型不仅能够探索新的处理器架构,也已经能够在Jalapeño以及AMD下一代旗舰GPU、CPU等复杂量产设计基础上提出进一步优化方案。
从行业角度看,将大模型引入RTL代码重写与电路结构优化环节,意味着AI在芯片设计中的角色正从辅助分析向直接产出可综合、可流片的设计修改延伸。若此类能力在量产项目中持续得到验证,芯片设计周期与人力投入的分配方式可能随之调整,EDA工具链与AI模型的结合也将成为下一阶段值得关注的竞争方向。
该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。