OpenAI

18. novembar 2026.

IstraživanjePublikacija

Unapređenje dizajna čipova uz OpenAI modele

Modeli kompanije OpenAI brzo unapređuju čipove koji pokreću AI. U augustu⁠ smo predstavili kako su inženjeri kompanije OpenAI koristili naše granične modele da ubrzaju razvoj našeg prvog namjenski razvijenog čipa za inferenciju, Jalapeño. Ovdje detaljnije razmatramo stručna poboljšanja dizajna koja stoje iza napretka čipa Jalapeño i kako isti pristup primjenjujemo u saradnji s AMD-om da bismo ostvarili značajna poboljšanja na hardveru drugih proizvođača.

Da bismo izmjerili sposobnost naših modela da obavljaju cjelovite zadatke dizajniranja čipova, evaluirali smo uzastopne generacije na dva dizajna procesora otvorenog koda i došli do zanimljivih nalaza. Kako bismo razvoj sposobnosti zasnovali na pouzdanim alatima za evaluaciju, sarađujemo sa Synopsysom na integraciji graničnih AI sposobnosti s alatima za automatizaciju elektronskog dizajna (EDA) koje inženjeri već koriste za dizajniranje i provjeru čipova.

Unapređenje računskih blokova čipa Jalapeño

Početkom 2025. počeli smo koristiti GPT‑4o kao pomoć pri dizajniranju čipa Jalapeño. Čak je i taj rani model pronašao načine za značajna poboljšanja potrošnje energije, performansi i površine (PPA), kao što su:

U vektorskoj jedinici, koja upravlja paralelnim računskim zadacima i izvršava ih, uštede su ostvarene na sabiračima i množačima s pomičnim zarezom, funkcijama pretvaranja, redukcijskoj logici i jedinici za posebne funkcije. Modeli su istraživali alternativne implementacije logike i načine raspodjele izračunavanja po fazama protočne obrade, pronalazeći mogućnosti za zajedničko korištenje hardvera i smanjenje privremene pohrane.

U matričnoj jedinici, aritmetičkoj komponenti, poboljšanja su se zbrajala kroz sabirače i množače s pomičnim zarezom te sklopove za skalarni proizvod niske preciznosti. Jedan redizajnirani množač zauzimao je oko 15% manju površinu ćelija nakon sinteze, uz smanjenje latencije s dva takta na jedan. Zaseban redizajn sabirača smanjio je površinu ćelija za oko 15%, uz zadržavanje latencije od dva takta. Daljnja poboljšanja logike skalarnog proizvoda i organizacije protočne obrade donijela su dodatne uštede u cijelom bloku.

U okviru cjelokupnog rada na dizajnu čipa Jalapeño, tim procjenjuje da su izmjene koje su modeli predložili smanjile površinu standardnih ćelija za oko 13% u vektorskoj i 10% u matričnoj jedinici. Ove optimizacije potvrđene su na stvarnom čipu tokom početnog puštanja čipa Jalapeño u rad⁠.

Naša saradnja s AMD-om

U saradnji s AMD-om na poboljšanjima PPA-a ostvarili smo napredak do 14% u odnosu na visoko optimizirane referentne dizajne IP jezgri njihovog vodećeg GPU-a. Naš model pronašao je dodatna poboljšanja prepravljanjem koda koji opisuje sklopove čipa (SystemVerilog RTL). To predstavlja otprilike godinu dana napretka ostvarenu za manje od 5 mjeseci – dosad nezabilježen rezultat na samom vrhu dizajniranja čipova. AMD je neke od ovih izmjena već uključio u nedavni dizajn poslan u proizvodnju, a druge je dodao u datoteke proizvodnog dizajna za upotrebu u budućim verzijama.

Uočili smo da model razmatra RTL na nivou stručnjaka za mikroarhitekturu. Model može prepraviti opise sklopova koji obavljaju izračunavanja, upravljaju operacijama ili prenose podatke. Koristio je Synopsys alate da provjeri da li je svaka izmjena sačuvala ponašanje bloka i da procijeni kompromise između potrošnje energije, performansi i površine.

AMD je također potvrdio poboljšanja PPA-a u jednocifrenim procentima u ključnim blokovima svog nadolazećeg vodećeg CPU-a nove generacije, koristeći dizajne koje je izradio naš model. U budućnosti očekujemo daljnja poboljšanja PPA-a na GPU-ima i CPU-ima u odnosu na najoptimiziraniji referentni dizajn.

Optimizacija RISC-V jezgri

Naši rezultati na čipovima Jalapeño i AMD pokazuju da modeli mogu unaprijediti proizvodne dizajne. Da bismo izmjerili napredak u sposobnostima dizajniranja čipova između generacija modela, testirali smo svaki model na dvije 32-bitne RISC-V jezgre otvorenog koda. PicoRV32 je kompaktna jezgra dizajnirana za reprogramabilne čipove poznate kao FPGA. OpenTitan koristi Ibex kao ugrađeni procesor u svom sigurnosnom čipu. Obje su potpune procesorske jezgre za zadatke ugrađenih sistema na nivou mikrokontrolera.

Svakom modelu dali smo originalni hardverski opis svake jezgre i zatražili da poveća protok (broj instrukcija koje jezgra može izvršiti u sekundi). Naprimjer, izmjena može omogućiti jezgri da završi instrukciju u manje taktova, ali produžiti trajanje svakog takta. Mjerenje protoka obuhvata oba efekta.

Izlazne rezultate svakog dizajna provjerili smo simulacijom. Dizajni su dobili ocjenu nula ako nisu prošli neku provjeru ili su zauzimali više od 16 puta veću površinu od originalne jezgre. Za dizajne koji su prošli provjere mjerili smo broj instrukcija po taktu na radnim opterećenjima koja su bila skrivena od modela. Izračunali smo geometrijsku sredinu za ta radna opterećenja i pomnožili je s maksimalnom frekvencijom takta procijenjenom pomoću alata Yosys. Tako smo dobili procjenu broja instrukcija u sekundi. Za svaku jezgru dodijelili smo ocjenu 1,0 najboljem protoku koji smo zabilježili pod istim ograničenjima. Grafikoni prikazuju prosječnu ocjenu svih pokušaja, uključujući i one koji su dobili nulu.

Uz uporediv budžet od oko 112.000 tokena po pokušaju, GPT‑6.2 Astra imao je najvišu prosječnu ocjenu na obje jezgre. GPT‑6.1 Sol također je ostvario bolji rezultat od modela GPT‑5.6 Sol na obje jezgre.

Na postojećoj jezgri PicoRV32, GPT‑6.2 Astra ima najvišu prosječnu ocjenu pri većim uporedivim budžetima. Pri oko 112.000 tokena njegova je ocjena otprilike dvostruko veća od ocjene modela GPT‑6 Astra.

Na postojećoj jezgri Ibex prosječna ocjena modela GPT‑6.2 Astra nastavlja rasti s povećanjem budžeta koje koristi. Rezultati modela GPT‑6 Astra i GPT‑6.1 Sol bliži su jedan drugom.

Dizajniranje RISC-V jezgre na osnovu specifikacije

U drugom zadatku svakom smo modelu dali pisane zahtjeve i predloške iz otvorenog koda koji pokazuju kako se jezgra povezuje s ostatkom sistema. Model je birao kako će se podaci kretati kroz jezgru i kako će se rad podijeliti u faze. Za svaku jezgru zadržali smo iste provjere ispravnosti, postavke memorije i keš memorije te ciljeve protoka kao u zadatku optimizacije RTL-a.

Pri oko 112.000 tokena po pokušaju, svih pet modela ostvarilo je više ocjene kada su dizajnirali jezgru na osnovu pisanih zahtjeva nego kada su pokušavali unaprijediti postojeći dizajn. To je važilo i za PicoRV32 i za Ibex. GPT‑6.2 Astra ostvario je veći napredak na jezgri Ibex nego na jezgri PicoRV32. Cjelokupna evaluacija obuhvatila je 9.881 ocijenjeni pokušaj za oba zadatka, obje jezgre i sve budžete tokena.

Polazeći od specifikacije PicoRV32, GPT‑6.2 Astra premašuje prosječnu ocjenu 0,7 pri oko 112.000 tokena i ostvaruje više ocjene pri naredna dva posmatrana budžeta.

Na jezgri Ibex, pri dizajniranju na osnovu specifikacije, GPT‑6.2 Astra ostvaruje prosječnu ocjenu oko 0,75 pri oko 112.000 tokena. Njegova kriva ostaje iznad ostalih pri većim budžetima zajedničkim za sve modele.

Polazak od pisanih zahtjeva daje modelima prostor da izostave funkcije prisutne u originalnim jezgrama, poput brojača performansi i dodatnih instrukcija. Te funkcije možda malo doprinose poboljšanju protoka pri testnim radnim opterećenjima, što bi moglo djelimično objasniti prednost u ocjenama. Obavezno uključivanje tih funkcija, strožije ograničenje površine sklopa i provjera vremenskih parametara nakon fizičke sinteze učinili bi test reprezentativnijim za dizajniranje čipova za proizvodnju.

Šta slijedi

Pokazali smo da naši modeli mogu istraživati nove procesorske arhitekture u RISC-V evaluacijama i donijeti dodatna poboljšanja već sofisticiranim proizvodnim dizajnima, poput čipa Jalapeño i AMD-ovih vodećih GPU-a i CPU-a nove generacije. Kako bismo razvoj modela zasnovali na pouzdanim alatima za evaluaciju i obuhvatili širi raspon dizajnerskih izazova, u saradnji sa Synopsysom obučavamo novi model GPT‑Synopsys⁠(otvara se u novom prozoru) da koristi Synopsys alate za automatizaciju elektronskog dizajna (EDA) onako kako to rade stručnjaci za dizajniranje čipova.