OpenAI опублікувала детальний звіт про застосування власних моделей штучного інтелекту на етапі проєктування напівпровідникових пристроїв. Компанія продемонструвала, що нейромережеві моделі здатні не лише генерувати альтернативні варіанти цифрових схем, а й вносити точкові оптимізації у вже відлагоджені блоки процесорів, скорочуючи їхню площу, енергоспоживання та затримку. Результати перевірені на власному прискорювачі OpenAI Jalapeño, на чипах AMD, а також на двох відкритих процесорних ядрах з архітектурою RISC-V. За оцінкою самої компанії, обсяг оптимізаційної роботи, який за традиційного підходу зайняв би у команди інженерів близько року, нейромережа виконала менш ніж за п'ять місяців.
Jalapeño: оптимізація векторного та матричного блоків
Розробка прискорювача Jalapeño почалася на початку 2025 року, і на початковому етапі для роботи зі схемами використовувалася модель GPT-o3 mini. У векторному блоці, що відповідає за паралельні обчислення, нейромережа оптимізувала суматори, множники, блоки перетворення даних та вузли спеціальних операцій. Модель перерозподілила обчислення між етапами конвеєра так, що для різних операцій стали використовуватися одні й ті самі апаратні компоненти, а обсяги даних, що тимчасово зберігаються в пам'яті, скоротилися. Конкретні цифри: перероблений множник зайняв на 15% менше площі, а час виконання операції скоротився з двох тактів до одного; площа суматора також зменшилася на 15% за збереження затримки у два такти. У сукупності оптимізації скоротили площу стандартних клітинок векторного блоку приблизно на 13%, а матричного — на 10%.
Спільна робота з AMD: приріст PPA до 14%
У рамках співпраці з AMD моделі OpenAI покращили характеристики ключових блоків флагманського графічного процесора компанії за трьома напрямками — енергоспоживанням, продуктивністю та площею (PPA). За даними OpenAI, сукупний приріст PPA склав до 14% щодо вже ретельно оптимізованих вихідних проєктів. Нейромережа пропонувала зміни безпосередньо в RTL-коді мовою SystemVerilog, аналізуючи не лише обчислювальні блоки, а й схеми керування та передачі даних. Частину запропонованих змін AMD вже включила в проєкт, відправлений на виробництво, решту додано до проєктної документації для майбутніх версій чипів. Компанія також підтвердила приріст PPA на кілька відсотків у ключових блоках флагманських центральних процесорів наступного покоління. Перевірка коректності модифікованих схем проводилася з використанням інструментів Synopsys, що дозволило переконатися у збереженні вихідної поведінки блоків та оцінити компроміси між енергоспоживанням, продуктивністю і площею кристала.
Зіставлення поколінь: GPT-6.2 Astra проти GPT-5.6 Sol
Для об'єктивної оцінки прогресу між поколіннями моделей OpenAI провела випробування на двох відкритих процесорних ядрах RISC-V: PicoRV32, розрахованому на програмовані мікросхеми, та Ibex, що застосовується в проєкті OpenTitan. Завдання полягало у підвищенні продуктивності готових ядер, а потім у проєктуванні процесора наново за описом вимог. Обсяг обчислень на один запуск становив близько 112 тис. токенів. Найкращий результат на обох ядрах показала GPT-6.2 Astra, при цьому GPT-6.1 Sol перевершила GPT-5.6 Sol. Під час проєктування процесора з нуля всі п'ять протестованих моделей показали вищі оцінки, ніж при спробах покращити вже наявну схему, оскільки в нову архітектуру можна не включати функції, які майже не впливають на результати тестів. Усього в межах дослідження було проведено 9 881 випробування.
Обмеження методології та плани щодо GPT-Synopsys
OpenAI наголошує, що випробування на відкритих ядрах не повною мірою відображають реальні умови промислової розробки: за суворої перевірки необхідно враховувати обов'язкові функції, накладати жорсткіші обмеження на площу чипа та проводити верифікацію після фізичного проєктування. Проте компанія розглядає отримані дані як індикатор напряму розвитку. Наступним кроком стане поглиблена співпраця із Synopsys: дві компанії розробляють спеціалізовану модель GPT-Synopsys, яка зможе використовувати засоби автоматизованого проєктування та перевірки схем так, як це роблять досвідчені розробники чипів, замикаючи цикл від генерації RTL-коду до фізичної верифікації.