OpenAI помогла AMD улучшить дизайн флагманского GPU на 14% по PPA с помощью ИИ

Openai Amd Gpu Cpu ии чипы tomshardware.com

OpenAI помогла AMD улучшить дизайн будущих флагманских GPU на 14% PPA. ИИ-модели также способствуют повышению производительности новых CPU от AMD.

OpenAI поделилась новыми подробностями о своем сотрудничестве с AMD. Инженеры компании использовали собственные ИИ-модели для оптимизации дизайна будущих флагманских графических процессоров (GPU) и центральных процессоров (CPU) от AMD. Результатом стало улучшение показателей PPA (энергопотребление, производительность и площадь) для схем GPU на 14%, а для процессоров — неуточненные улучшения в пределах однозначных чисел.
OpenAI утверждает, что ее модель смогла добиться дальнейших улучшений путем переписывания кода, описывающего схемы чипов. Эта работа проводилась на языке SystemVerilog RTL, который широко используется при разработке высокопроизводительных чипов. По заявлению компании, усилия по оптимизации с помощью ИИ эквивалентны сокращению годичной работы по проектированию чипов до «менее чем 5 месяцев» — беспрецедентное ускорение для этой области.
Кроме того, OpenAI сообщает, что ее модель анализировала RTL «на уровне эксперта-микроархитектора» и ожидает дальнейшего повышения показателей PPA как в дизайне GPU, так и CPU, сверх уже достигнутого уровня.
Это не первый случай участия ИИ в разработке чипов. Ранее OpenAI сотрудничала с Broadcom при проектировании чипа Jalapeño, предназначенного для инференса. Инженерные образцы этого чипа уже работали с реальными нагрузками в июне 2026 года.
Компания планировала небольшие начальные развертывания Jalapeño к концу 2026 года, а более масштабный выпуск — к 2027 году. Тестовые бенчмарки уже доступны, демонстрируя значительную экономию энергопотребления и снижение общей задержки по сравнению с лидирующими на рынке GPU Nvidia Blackwell в задачах предсказания одиночных токенов.
В блоге также объясняется, как развивались навыки GPT в области проектирования чипов. Исследователи тестировали высокоуровневые большие языковые модели (LLM), предлагая им улучшить ядра чипов PicoRV32 и Ibex. Моделям предоставлялось 112 000 токенов на каждый прогон с задачей оптимизировать пропускную способность (сочетание количества инструкций за такт и длительности тактового цикла), а затем оценивались результаты.
Если чипы не работали или использовали более чем в 16 раз большую площадь по сравнению с предыдущими, им присваивался нулевой балл. Лучшие дизайны в рамках тестовых ограничений получали 1.0. Тест также не указывал моделям, для каких рабочих нагрузок будут использоваться чипы. Как и ожидалось, GPT-6.2 Astra показала наилучшие результаты по обоим параметрам: самой низкой общей стоимости и самому высокому показателю оптимизации.
Второй тест также выявил интересный, но ожидаемый факт: модели давали лучшие результаты при перепроектировании чипов в соответствии с их первоначальными спецификациями, а не при оптимизации существующего кода.
Нет информации о том, использовали ли ученые неизмененные версии GPT для этой работы. Существуют специализированные высокоуровневые LLM для тех, кто может себе их позволить, и сама OpenAI заявляет, что работает с Synopsys над обучением GPT-Synopsis — модели для использования инструментов проектирования чипов.

Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.

Похожие новости: