Advancing chip design with OpenAI models

媒体报道 OpenAI 原文语言:英文

OpenAI 展示了其前沿模型在加速芯片设计方面的成果,包括协助开发首款自研推理芯片 Jalapeño 以及与 AMD 的合作。评估表明,新型号在优化开源 RISC-V 核心及提升 PPA 性能方面表现显著。

全文

OpenAI

2026年11月18日

研究出版物

利用 OpenAI 模型推进芯片设计

OpenAI 的模型正在迅速改进驱动人工智能的芯片。今年 8 月,我们分享了 OpenAI 工程师如何使用我们的前沿模型来加速首款定制推理芯片 Jalapeño 的开发。在这里,我们更仔细地探讨了 Jalapeño 性能提升背后的专家级设计改进,以及我们如何应用相同的方法在 AMD 的第三方硬件上实现显著的性能提升。

为了衡量我们的模型在端到端芯片设计任务上的能力,我们评估了两个开源处理器设计的连续几代模型,并有了有趣的发现。为了在受信任的评估者中建立能力开发的基础,我们正与 Synopsys 合作,将前沿智能与工程师已用于设计和验证芯片的电子设计自动化(EDA)工具进行集成。

改进 Jalapeño 的计算模块

我们从 2025 年初开始使用 GPT‑o3 mini 来协助设计 Jalapeño。即使是早期的模型,也找到了进行非平凡 PPA 改进的方法,例如:

在管理和执行并行计算任务的向量单元中,节省来自于浮点加法器和乘法器、转换函数、归约逻辑以及特殊函数单元。模型探索了替代逻辑实现以及如何在流水线阶段之间划分计算,从而发现了共享硬件和减少中间存储的机会。

在作为算术组件的矩阵单元中,改进在浮点加法器、乘法器和低精度点积电路中累积。其中一个乘法器的重新设计在综合中减少了约 15% 的单元面积,同时将延迟从两个时钟周期减少到一个。另一个加法器重新设计在保持两个周期延迟的同时,将单元面积减少了约 15%。对点积逻辑和流水线组织的进一步改进,为整个模块带来了额外的节省。

在更广泛的 Jalapeño 设计工作中,团队估计模型提出的修改将向量单元的标准单元面积减少了约 13%,将矩阵单元减少了约 10%。这些优化在 Jalapeño 的芯片上电调试期间得到了芯片实测验证。

我们与 AMD 的合作

我们与 AMD 在 PPA 改进方面展开了合作,在旗舰 GPU IP 上实现了相对于经过高度优化的基准高达 14% 的改进。我们的模型通过重写描述芯片电路的代码(SystemVerilog RTL)识别出了进一步的改进。这代表着在不到 5 个月的时间内取得了相当于大约一年的进展——这是在芯片设计前沿史无前例的成果。AMD 已经将其中一些更改纳入了其最近送交制造的设计中,并将其他更改添加到了其用于未来版本的生产设计文件中。

我们观察到模型能够以专家级微架构师的水平对 RTL 进行推理。模型可以重写执行计算、控制操作或移动数据的电路。它使用 Synopsys 工具来验证每次重写是否保留了模块的行为,并评估功耗、性能和面积方面的权衡。

AMD 还使用由我们的模型编写的设计,在其即将推出的下一代旗舰 CPU 的关键模块中验证了 PPA 个位数百分比的收益。展望未来,我们预计在 GPU 和 CPU 上,在最高度优化的基准之上将获得进一步的 PPA 改进。

优化 RISC-V 内核

我们在 Jalapeño 和 AMD 芯片上的结果表明,模型可以对生产设计进行改进。为了衡量芯片设计能力从一代模型到下一代模型的演进,我们在两个开源的 32 位 RISC-V 内核上测试了每个模型。PicoRV32 是一个专为称为 FPGA 的可编程芯片设计的紧凑型内核。OpenTitan 在其安全芯片中使用 Ibex 作为嵌入式处理器。每一个都是针对嵌入式、微控制器类工作负载的完整处理器内核。

我们为每个模型提供了每个内核的原始硬件描述,并要求其提高吞吐量(内核每秒可以执行的指令数)。例如,一项更改可能允许内核在更少的时间周期内完成一条指令,但会使每个周期变长。衡量吞吐量可以捕捉到这两种效果。

我们在仿真中检查了每个设计的输出。如果设计未通过检查或使用的面积超过原始核心面积的16倍,则得分为零。对于通过的设计,我们在模型未见过的工作负载上测量每时钟周期指令数。我们对这些工作负载取几何平均值,并乘以使用 Yosys 估算的最高时钟频率,从而得到每秒指令数的估计。对于每个核心,我们将同等约束下观察到的最佳吞吐量赋值为 1.0 分。图表显示了跨运行的平均得分,包括得分为零的情况。

在每次运行约 112,000 令牌的可比预算下,GPT‑6.2 Astra 在两个核心上都获得了最高的平均得分。GPT‑6.1 Sol 也在两者上都超过了 GPT‑5.6 Sol。

在现有的 PicoRV32 核上,GPT‑6.2 Astra 在更大的可比预算下拥有最高的平均得分。约 112,000 令牌时,其得分约为 GPT‑6 Astra 的两倍。

在现有的 Ibex 核上,GPT‑6.2 Astra 的平均得分在更高预算下继续上升。GPT‑6 Astra 与 GPT‑6.1 Sol 的得分更为接近。

从规范设计 RISC‑V 核

对于第二项任务,我们向每个模型提供了书面需求和开源代码模板,展示核心如何与系统其余部分连接。模型决定数据在核心中的流动方式以及如何将工作划分为阶段。对于每个核心,我们保持了与 RTL 优化任务相同的正确性检查、内存和缓存设置以及吞吐量目标。

在约 112,000 令牌每次运行的情况下,所有五个模型在根据书面需求设计核心时的得分都高于尝试改进现有设计时的得分。这一趋势在 PicoRV32 和 Ibex 上均成立。GPT‑6.2 Astra 在 Ibex 上的提升幅度大于在 PicoRV32 上。完整评估包括两项任务、两种核心和所有令牌预算下的 9,881 次得分运行。

从 PicoRV32 规范开始,GPT‑6.2 Astra 在约 112,000 令牌时的平均得分为 0.7,并在后两个观察到的预算上得分更高。

在 Ibex 上,GPT‑6.2 Astra 在约 112,000 令牌时的平均得分约为 0.75,且其曲线在更大的共享预算上保持在其他模型之上。

从书面需求开始为模型提供了省略原始核心中某些特性的空间,例如性能计数器和额外指令。这些特性对测试工作负载的吞吐量提升可能贡献不大,这可能解释了得分优势的一部分。要求这些特性、对电路面积设定更严格的限制,并在物理综合后检查时序,将使测试更贴近生产芯片设计。

接下来

我们已经证明我们的模型能够在 RISC‑V 评估中探索新处理器架构,并在 Jalapeño 和 AMD 下一代旗舰 GPU 与 CPU 等复杂生产设计上贡献了全新的改进。为了让模型开发基于可信评估者并拓宽所解决的设计挑战,我们正与 Synopsys 合作,训练 GPT‑Synopsys(在新窗口打开),一个新模型,使其能够像专家芯片设计师一样使用 Synopsys 电子设计自动化(EDA)工具。

2026

软件与工程

作者

OpenAI

正文为 AI 译文。

参考来源

← 返回每日AI报告