OpenAI

18 de noviembre de 2026

InvestigaciónPublicación

Avances en el diseño de chips con los modelos de OpenAI

Los modelos de OpenAI están mejorando rápidamente los chips que hacen posible la IA. En agosto,⁠ explicamos cómo los ingenieros de OpenAI utilizaron nuestros modelos de vanguardia para acelerar el desarrollo de Jalapeño, nuestro primer chip de inferencia diseñado a medida. Aquí analizamos más a fondo las mejoras de diseño de nivel experto que impulsaron los avances de Jalapeño y cómo estamos aplicando el mismo enfoque junto con AMD para lograr mejoras significativas en hardware de terceros.

Para medir la capacidad de nuestros modelos en tareas de diseño de chips de principio a fin, evaluamos generaciones sucesivas con dos diseños de procesadores de código abierto y obtuvimos resultados interesantes. Y, para que el desarrollo de capacidades se apoye en evaluadores fiables, estamos trabajando con Synopsys para integrar inteligencia de vanguardia con las herramientas de automatización del diseño electrónico (EDA) que los ingenieros ya utilizan para diseñar y verificar chips.

Mejorar los bloques de cómputo de Jalapeño

Empezamos a utilizar GPT‑4o para ayudar a diseñar Jalapeño a principios de 2025. Incluso aquel primer modelo encontró formas de lograr mejoras sustanciales en consumo, rendimiento y área (PPA), como estas:

En la unidad vectorial, que gestiona y ejecuta tareas de computación paralela, los ahorros procedieron de los sumadores y multiplicadores de coma flotante, las funciones de conversión, la lógica de reducción y la unidad de funciones especiales. Los modelos exploraron tanto implementaciones lógicas alternativas como formas de repartir los cálculos entre las etapas de segmentación, y encontraron oportunidades para compartir hardware y reducir el almacenamiento intermedio.

En la unidad matricial, un componente aritmético, se acumularon mejoras en los sumadores y multiplicadores de coma flotante y en los circuitos de producto escalar de baja precisión. El rediseño de un multiplicador redujo aproximadamente un 15 % el área de celdas en la síntesis, a la vez que redujo la latencia de dos ciclos de reloj a uno. Por separado, el rediseño de un sumador redujo el área de celdas aproximadamente un 15 %, manteniendo su latencia de dos ciclos. Otras mejoras en la lógica de producto escalar y en la organización de la segmentación aportaron ahorros adicionales en todo el bloque.

En el conjunto del trabajo de diseño de Jalapeño, el equipo estima que los cambios propuestos por los modelos redujeron el área de celdas estándar aproximadamente un 13 % en la unidad vectorial y un 10 % en la unidad matricial. Estas optimizaciones se validaron en silicio durante la puesta en marcha del chip Jalapeño⁠.

Nuestra colaboración con AMD

Hemos colaborado con AMD para mejorar el PPA y hemos observado mejoras de hasta un 14 % respecto a diseños de referencia muy optimizados en la IP de su GPU insignia. Nuestro modelo identificó nuevas mejoras al reescribir el código que describe los circuitos del chip (RTL en SystemVerilog). Esto equivale aproximadamente a un año de progreso logrado en menos de 5 meses: unos resultados sin precedentes en la vanguardia del diseño de chips. AMD ya ha incluido algunos de estos cambios en un diseño reciente que ha enviado a fabricación, y ha añadido otros a sus archivos de diseño de producción para utilizarlos en futuras versiones.

Hemos observado que el modelo razona sobre RTL al nivel de un experto en microarquitectura. El modelo puede reescribir circuitos que realizan cálculos, controlan operaciones o mueven datos. Utilizó herramientas de Synopsys para verificar que cada reescritura preservaba el comportamiento del bloque y para evaluar el equilibrio entre consumo, rendimiento y área.

AMD también verificó mejoras porcentuales de un solo dígito en PPA en bloques clave de su próxima CPU insignia de nueva generación, utilizando diseños escritos por nuestro modelo. De cara al futuro, esperamos nuevas mejoras en PPA en GPU y CPU respecto al diseño de referencia más optimizado.

Optimizar núcleos RISC-V

Nuestros resultados con Jalapeño y los chips de AMD demuestran que los modelos pueden mejorar los diseños de producción. Para medir la evolución de las capacidades de diseño de chips de una generación de modelos a la siguiente, probamos cada modelo con dos núcleos RISC-V de 32 bits de código abierto. PicoRV32 es un núcleo compacto diseñado para chips reprogramables llamados FPGA. OpenTitan utiliza Ibex como procesador integrado en su chip de seguridad. Ambos son núcleos de procesador completos para cargas de trabajo de sistemas embebidos de la clase de los microcontroladores.

Proporcionamos a cada modelo la descripción de hardware original de cada núcleo y le pedimos que aumentara el rendimiento (el número de instrucciones que el núcleo puede ejecutar por segundo). Por ejemplo, un cambio podría permitir que un núcleo completara una instrucción en menos ciclos de reloj, pero alargar la duración de cada ciclo. La medición del rendimiento refleja ambos efectos.

Comprobamos las salidas de cada diseño mediante simulación. Los diseños recibían una puntuación de cero si no superaban alguna comprobación o utilizaban más de 16 veces el área del núcleo original. En los diseños que superaron las comprobaciones, medimos las instrucciones por ciclo de reloj con cargas de trabajo ocultas a los modelos. Calculamos la media geométrica de esas cargas de trabajo y la multiplicamos por la frecuencia máxima de reloj estimada con Yosys. Así obtuvimos una estimación de las instrucciones por segundo. Para cada núcleo, asignamos una puntuación de 1,0 al mejor rendimiento observado bajo las mismas restricciones. Los gráficos muestran la puntuación media de las ejecuciones, incluidas las que obtuvieron un cero.

Con un presupuesto comparable de unos 112 000 tokens por ejecución, GPT‑6.2 Astra obtuvo la puntuación media más alta en ambos núcleos. GPT‑6.1 Sol también superó a GPT‑5.6 Sol en ambos.

Con el núcleo PicoRV32 existente, GPT‑6.2 Astra obtiene la puntuación media más alta con los presupuestos comparables más elevados. Con unos 112 000 tokens, su puntuación es aproximadamente el doble que la de GPT‑6 Astra.

Con el núcleo Ibex existente, la puntuación media de GPT‑6.2 Astra sigue aumentando a medida que alcanza presupuestos de tokens más altos. GPT‑6 Astra y GPT‑6.1 Sol obtienen resultados más cercanos entre sí.

Diseñar un núcleo RISC-V a partir de una especificación

Para la segunda tarea, proporcionamos a cada modelo requisitos escritos y plantillas extraídas del código abierto que mostraban cómo se conecta el núcleo al resto del sistema. El modelo eligió cómo se moverían los datos por el núcleo y cómo dividir el trabajo en etapas. Para cada núcleo, mantuvimos las mismas comprobaciones de funcionamiento, configuraciones de memoria y caché, y objetivos de rendimiento que en la tarea de optimización de RTL.

Con unos 112 000 tokens por ejecución, los cinco modelos obtuvieron puntuaciones más altas al diseñar un núcleo a partir de requisitos escritos que al intentar mejorar el diseño existente. Esto se cumplió tanto en PicoRV32 como en Ibex. GPT‑6.2 Astra mejoró más en Ibex que en PicoRV32. La evaluación completa incluyó 9881 ejecuciones puntuadas entre ambas tareas, ambos núcleos y todos los presupuestos de tokens.

Al partir de una especificación de PicoRV32, GPT‑6.2 Astra supera una puntuación media de 0,7 con unos 112 000 tokens y obtiene puntuaciones más altas con los dos siguientes presupuestos observados.

En Ibex, GPT‑6.2 Astra obtiene una media de aproximadamente 0,75 con unos 112 000 tokens al diseñar a partir de una especificación. Su curva se mantiene por encima de las demás con presupuestos más altos comunes a los modelos.

Partir de requisitos escritos da a los modelos margen para omitir funciones presentes en los núcleos originales, como los contadores de rendimiento y las instrucciones adicionales. Es posible que esas funciones apenas mejoren el rendimiento con las cargas de trabajo de prueba, lo que podría explicar parte de la ventaja en la puntuación. Exigir esas funciones, establecer un límite más estricto para el área del circuito y comprobar la temporización después de la síntesis física haría que la prueba fuera más representativa del diseño de chips para producción.

Próximos pasos

Hemos demostrado que nuestros modelos pueden explorar nuevas arquitecturas de procesadores en evaluaciones de RISC-V y hemos aportado mejoras adicionales a diseños de producción sofisticados como Jalapeño y la GPU y CPU insignia de nueva generación de AMD. Para que el desarrollo de modelos se apoye en evaluadores fiables y abarque más retos de diseño, estamos colaborando con Synopsys para entrenar un nuevo modelo, GPT‑Synopsys⁠(se abre en una ventana nueva), de modo que utilice las herramientas de automatización del diseño electrónico (EDA) de Synopsys como lo hacen los diseñadores expertos de chips.