---
title: "OpenAI: нейромережі скоротили річну роботу інженерів-розробників чипів до п'яти місяців"
description: "OpenAI звітувала про застосування нейромереж у проєктуванні чипів: на прискорювачі Jalapeño та GPU AMD моделі скоротили площу блоків на 10–15% та покращили PPA до 14%, виконавши за п'ять місяців роботу, розраховану на рік."
date: 2026-11-19T11:24:09.544Z
lang: uk
url: https://xab.info/uk/posts/openai-ii-proektuvannya-chipiv-amd-jalapeno-ppa
tags: [openai, ai-chip-design, amd, processor, semiconductor, rtl, risc-v]
author: "Олександр Буран"
publisher: "XAB.info"
---

# OpenAI: нейромережі скоротили річну роботу інженерів-розробників чипів до п'яти місяців

![Стилізоване тривимірне зображення процесорного чипа зі штучним інтелектом на тлі креслень](https://xab.info/media/2026/11/19/openai-ii-proektirovanie-chipov-amd-jalapeno-ppa/openai-ii-proektirovanie-chipov-amd-jalapeno-ppa-1.webp)

## Ключові тези

- На прискорювачі Jalapeño нейромережа скоротила площу множника і суматора на 15%, а час операції множення — з двох тактів до одного
- У співпраці з AMD моделі OpenAI покращили сукупний PPA флагманського GPU на величину до 14% менш ніж за п'ять місяців
- AMD підтвердила приріст PPA на кілька відсотків у ключових блоках CPU наступного покоління
- У порівняльних випробуваннях на ядрах RISC-V найкращу результативність показала GPT-6.2 Astra
- OpenAI та Synopsys розробляють спеціалізовану модель GPT-Synopsys для автоматизованого проєктування схем

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.

## Перевірка фактів і джерела

- [ИИ OpenAI оптимизировал графический чип AMD на 14 % — годовую работу инженеров нейросеть выполнила за пять месяцев](https://3dnews.ru/1151518) - Першоджерело містить повний звіт OpenAI з конкретними цифрами. AMD підтверджує приріст PPA, але в менш конкретному формулюванні («кілька відсотків»). Факт співпраці та напрямки оптимізацій підтверджені обома 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) - Дублювальне посилання на той самий матеріал 3dnews.ru; додаткових фактів не містить.

## Часті запитання

### Який конкретний чип AMD було оптимізовано за допомогою моделей OpenAI?

У звіті OpenAI йдеться про флагманський графічний процесор AMD, проте конкретну модель GPU не названо. Згадується також, що частина оптимізацій увійшла в проєкт, уже відправлений на виробництво, а частина — в документацію для майбутніх версій.

### Що таке PPA і чому це ключовий показник?

PPA (Power, Performance, Area) — сукупний показник, що об'єднує енергоспоживання, продуктивність і площу кристала. Це основний критерій, за яким інженери оцінюють якість цифрового проєктування: покращення одного параметра часто погіршує інші, тому важливий саме сукупний приріст.

### Які моделі OpenAI брали участь у випробуваннях на ядрах RISC-V?

У випробуваннях на ядрах PicoRV32 та Ibex брали участь п'ять моделей двох поколінь. Найкращий результат показала GPT-6.2 Astra, а GPT-6.1 Sol перевершила GPT-5.6 Sol. Під час проєктування процесора з нуля всі п'ять моделей показали вищі оцінки, ніж при оптимізації готової схеми.

### Що буде в моделі GPT-Synopsys?

OpenAI та Synopsys розробляють спеціалізовану модель, яка зможе використовувати засоби автоматизованого проєктування та перевірки схем (EDA-інструменти) так, як це роблять досвідчені розробники чипів, замикаючи цикл від генерації коду до фізичної верифікації.