---
title: "OpenAI: нейросети сократили годовую работу инженеров-разработчиков чипов до пяти месяцев"
description: "OpenAI отчиталась о применении нейросетей в проектировании чипов: на ускорителе Jalapeño и GPU AMD модели сократили площадь блоков на 10–15 % и улучшили PPA до 14 %, выполнив за пять месяцев работу, рассчитанную на год."
date: 2026-11-19T11:24:09.544Z
lang: ru
url: https://xab.info/posts/openai-ii-proektirovanie-chipov-amd-jalapeno-ppa
tags: [openai, ai-chip-design, amd, processor, semiconductor, rtl, risc-v]
author: "Александр Буран"
publisher: "XAB.info"
---

# OpenAI: нейросети сократили годовую работу инженеров-разработчиков чипов до пяти месяцев

![Стилизованное трехмерное изображение процессорного чипа с искусственным интеллектом на фоне чертежной сетки](https://xab.info/media/2026/11/19/openai-ii-proektirovanie-chipov-amd-jalapeno-ppa/openai-ii-proektirovanie-chipov-amd-jalapeno-ppa-1.webp)

## Ключевые тезисы

- На ускорителе Jalapeño нейросеть сократила площадь умножителя и сумматора на 15 %, а время операции умножения — с двух тактов до одного
- В сотрудничестве с AMD модели OpenAI улучшили совокупный PPA флагманского GPU на величину до 14 % менее чем за пять месяцев
- AMD подтвердила прирост PPA на несколько процентов в ключевых блоках CPU следующего поколения
- В сравнительных испытаниях на ядрах RISC-V лучшую результативность показала GPT-6.2 Astra
- OpenAI и Synopsys разрабатывают специализированную модель GPT-Synopsys для автоматизированного проектирования схем

OpenAI опубликовала подробный отчёт о применении собственных моделей искусственного интеллекта на этапе проектирования полупроводниковых устройств. Компания продемонстрировала, что нейросетевые модели способны не только генерировать альтернативные варианты цифровых схем, но и вносить точечные оптимизации в уже отлаженные блоки процессоров, сокращая их площадь, энергопотребление и задержку. Результаты проверены на собственном ускорителе OpenAI Jalapeño, на чипах AMD, а также на двух открытых процессорных ядрах с архитектурой RISC-V. По оценке самой компании, объём оптимизационной работы, который при традиционном подходе занял бы у команды инженеров около года, нейросеть выполнила менее чем за пять месяцев.

### Jalapeño: оптимизация векторного и матричного блоков

Разработка ускорителя Jalapeño началась в начале 2025 года, и на начальном этапе для работы со схемами использовалась модель GPT-o3 mini. В векторном блоке, отвечающем за параллельные вычисления, нейросеть оптимизировала сумматоры, умножители, блоки преобразования данных и узлы специальных операций. Модель перераспределила вычисления между этапами конвейера так, что для различных операций стали использоваться одни и те же аппаратные компоненты, а объёмы данных, временно хранящихся в памяти, сократились. Конкретные цифры: переработанный умножитель занял на 15 % меньше площади, а время выполнения операции сократилось с двух тактов до одного; площадь сумматора также уменьшилась на 15 % при сохранении задержки в два такта. В совокупности оптимизации сократили площадь стандартных ячеек векторного блока примерно на 13 %, а матричного — на 10 %.

### Совместная работа с AMD: прирост PPA до 14 %

В рамках сотрудничества с AMD модели OpenAI улучшили характеристики ключевых блоков флагманского графического процессора компании по трём направлениям — энергопотреблению, производительности и площади (PPA). По данным OpenAI, совокупный прирост PPA составил до 14 % относительно уже тщательно оптимизированных исходных проектов. Нейросеть предлагала изменения непосредственно в RTL-коде на языке SystemVerilog, анализируя не только вычислительные блоки, но и схемы управления и передачи данных. Часть предложенных изменений AMD уже включила в проект, отправленный на производство, остальные добавлены в проектную документацию для будущих версий чипов. Компания также подтвердила прирост PPA на несколько процентов в ключевых блоках флагманских центральных процессоров следующего поколения. Проверка корректности модифицированных схем проводилась с использованием инструментов Synopsys, что позволило убедиться в сохранении исходного поведения блоков и оценить компромиссы между энергопотреблением, производительностью и площадью кристалла.

### Сопоставление поколений: GPT-6.2 Astra против GPT-5.6 Sol

Для объективной оценки прогресса между поколениями моделей OpenAI провела испытания на двух открытых процессорных ядрах RISC-V: PicoRV32, рассчитанном на программируемые микросхемы, и Ibex, применяемом в проекте OpenTitan. Задача состояла в повышении производительности готовых ядер, а затем в проектировании процессора заново по описанию требований. Объём вычислений на один запуск составлял около 112 тыс. токенов. Лучший результат на обоих ядрах показала GPT-6.2 Astra, при этом GPT-6.1 Sol превзошла GPT-5.6 Sol. При проектировании процессора с нуля все пять протестированных моделей показали более высокие оценки, чем при попытках улучшить уже существующую схему, поскольку в новую архитектуру можно не включать функции, которые почти не влияют на результаты тестов. Всего в рамках исследования было проведено 9 881 испытание.

### Ограничения методологии и планы по GPT-Synopsys

OpenAI подчёркивает, что испытания на открытых ядрах не в полной мере отражают реальные условия промышленной разработки: при строгой проверке необходимо учитывать обязательные функции, налагать более жёсткие ограничения на площадь чипа и проводить верификацию после физического проектирования. Тем не менее компания рассматривает полученные данные как индикатор направления развития. Следующим шагом станет углублённое сотрудничество с Synopsys: две компании разрабатывают специализированную модель GPT-Synopsys, которая сможет использовать средства автоматизированного проектирования и проверки схем так, как это делают опытные разработчики чипов, замыкая цикл от генерации RTL-кода до физической верификации.

## Проверка фактов и источники

- [ИИ OpenAI оптимизировал графический чип AMD на 14 % — годовую работу инженеров нейросеть выполнила за пять месяцев](https://3dnews.ru/1151518) - Первоисточник содержит полный отчёт OpenAI с конкретными цифрами. AMD подтверждает прирост PPA, но в менее конкретной формулировке («несколько процентов»). Факт сотрудничества и направления оптимизаций подтверждены обеими сторонами.
- [ИИ OpenAI оптимизировал графический чип AMD на 14 % — годовую работу инженеров нейросеть выполнила за ...](https://3dnews.ru/1151518/ii-openai-uluchshil-graficheskiy-protsessor-amd-na-14-godovuyu-rabotu-ingenerov-neyroset-vipolnila-za-pyat-mesyatsev) - Первоисточник содержит полный отчёт OpenAI с конкретными цифрами. AMD подтверждает прирост PPA, но в менее конкретной формулировке («несколько процентов»). Факт сотрудничества и направления оптимизаций подтверждены обеими сторонами.

## Частые вопросы

### Какой конкретный чип AMD был оптимизирован с помощью моделей OpenAI?

В отчёте OpenAI речь идёт о флагманском графическом процессоре AMD, однако конкретная модель GPU не названа. Упоминается также, что часть оптимизаций вошла в проект, уже отправленный на производство, а часть — в документацию для будущих версий.

### Что такое PPA и почему это ключевой показатель?

PPA (Power, Performance, Area) — совокупный показатель, объединяющий энергопотребление, производительность и площадь кристалла. Это основной критерий, по которому инженеры оценивают качество цифрового проектирования: улучшение одного параметра часто ухудшает другие, поэтому важен именно совокупный прирост.

### Какие модели OpenAI участвовали в испытаниях на ядрах RISC-V?

В испытаниях на ядрах PicoRV32 и Ibex участвовали пять моделей двух поколений. Лучший результат показала GPT-6.2 Astra, а GPT-6.1 Sol превзошла GPT-5.6 Sol. При проектировании процессора с нуля все пять моделей показали более высокие оценки, чем при оптимизации готовой схемы.

### Что будет в модели GPT-Synopsys?

OpenAI и Synopsys разрабатывают специализированную модель, которая сможет использовать средства автоматизированного проектирования и проверки схем (EDA-инструменты) так, как это делают опытные разработчики чипов, замыкая цикл от генерации кода до физической верификации.