OpenAI

18. nóvember 2026

RannsóknirÚtgáfa

Framfarir í flöguhönnun með líkönum OpenAI

Líkön OpenAI bæta ört flögurnar sem knýja Ai. Í ágúst⁠ greindum við frá því hvernig verkfræðingar OpenAI notuðu háþróuð líkön okkar til að flýta þróun Jalapeño, fyrstu sérhönnuðu flögunnar okkar fyrir ályktunarkeyrslu. Hér skoðum við nánar hönnunarbætingarnar á sérfræðistigi sem skiluðu árangrinum í Jalapeño og hvernig við beitum sömu nálgun í samstarfi við AMD til að ná verulegum umbótum á vélbúnaði annarra framleiðenda.

Til að mæla getu líkana okkar til að sinna flöguhönnun frá upphafi til enda mátum við kynslóðir þeirra hverja á eftir annarri á tveimur opnum örgjörvahönnunum. Niðurstöðurnar voru áhugaverðar. Til að styðja þróun þessarar getu við áreiðanleg matstæki vinnum við einnig með Synopsys að því að samþætta háþróaða greind við verkfæri til sjálfvirkrar rafeindahönnunar (EDA) sem verkfræðingar nota nú þegar til að hanna og sannprófa flögur.

Bætum reiknieiningar Jalapeño

Við byrjuðum að nota GPT‑4o við hönnun Jalapeño snemma árs 2025. Jafnvel það fyrsta líkan fann leiðir til að ná umtalsverðum umbótum á orkunotkun, afköstum og flatarmáli (PPA), til dæmis:

Í vigureiningunni, sem stýrir og framkvæmir samhliða útreikninga, náðist sparnaður í fleytitölusamlagningarrásum og -margföldunarrásum, umbreytingarföllum, samantektarrásum og einingunni fyrir sérhæfð föll. Líkönin könnuðu bæði aðrar útfærslur rökrása og hvernig skipta mætti útreikningum milli stiga færibandsvinnslu. Þau fundu leiðir til að samnýta vélbúnað og draga úr þörf fyrir milligeymslu.

Í fylkjaeiningunni, sem sér um reikniaðgerðir, lögðust saman umbætur á fleytitölusamlagningarrásum, margföldunarrásum og innfeldisrásum með lítilli nákvæmni. Ein endurhönnuð margföldunarrás notaði um 15% minna flatarmál rásasella við rásasmíði og stytti jafnframt biðtímann úr tveimur klukkulotum í eina. Önnur endurhönnun, á samlagningarrás, minnkaði flatarmál rásasella um 15% en hélt biðtímanum í tveimur klukkulotum. Frekari umbætur á innfeldisrásum og skipulagi færibandsvinnslu skiluðu enn meiri sparnaði í einingunni.

Þegar litið er á hönnunarvinnuna við Jalapeño í heild áætlar teymið að breytingar sem líkönin lögðu til hafi minnkað flatarmál staðlaðra rásasella um 13% í vigureiningunni og 10% í fylkjaeiningunni. Þessar umbætur voru staðfestar á raunverulegum kísilflögum við frumprófanir Jalapeño⁠.

Samstarf okkar við AMD

Við höfum unnið með AMD að PPA-umbótum og séð allt að 14% bætingu miðað við mjög vel bestaðar grunnútfærslur á hugverkahönnun fyrirtækisins fyrir öflugustu grafíkörgjörvana. Líkanið okkar fann frekari leiðir til úrbóta með því að endurskrifa kóðann sem lýsir rásum flögunnar (SystemVerilog RTL). Þetta jafngildir um árs framförum á innan við fimm mánuðum — áður óþekktum árangri í fremstu röð flöguhönnunar. AMD hefur þegar tekið sumar þessara breytinga inn í nýlega hönnun sem fyrirtækið sendi í framleiðslu og bætt öðrum við framleiðsluhönnunarskrár sínar til notkunar í framtíðarútgáfum.

Við höfum séð líkanið rökhugsa um RTL af sömu færni og sérfræðingur í innri högun örgjörva. Líkanið getur endurskrifað rásir sem framkvæma útreikninga, stýra aðgerðum eða flytja gögn. Það notaði verkfæri Synopsys til að sannprófa að hver endurskrifun héldi virkni einingarinnar óbreyttri og til að meta málamiðlanir milli orkunotkunar, afkasta og flatarmáls.

AMD staðfesti einnig PPA-umbætur upp á nokkur prósent í lykileiningum væntanlegs flaggskipsörgjörva af næstu kynslóð með hönnunum sem líkanið okkar skrifaði. Við búumst við frekari PPA-umbótum á grafíkörgjörvum og miðörgjörvum á komandi misserum, miðað við best bestuðu grunnútfærslurnar.

Bestun RISC-V-kjarna

Niðurstöður okkar fyrir Jalapeño og flögur AMD sýna að líkön geta bætt hönnun sem notuð er í framleiðslu. Til að mæla framfarir í flöguhönnun milli kynslóða líkana prófuðum við hvert líkan á tveimur opnum 32 bita RISC-V-kjörnum. PicoRV32 er fyrirferðarlítill kjarni hannaður fyrir endurforritanlegar flögur sem kallast FPGA-flögur. OpenTitan notar Ibex sem innbyggðan örgjörva í öryggisflögu sinni. Hvor um sig er fullbúinn örgjörvakjarni fyrir innbyggð kerfi með verkefni á borð við þau sem örstýringar sinna.

Við gáfum hverju líkani upprunalegu vélbúnaðarlýsinguna fyrir hvorn kjarna og báðum það að auka afköst (fjölda skipana sem kjarninn getur framkvæmt á sekúndu). Breyting gæti til dæmis gert kjarna kleift að ljúka skipun í færri klukkulotum en lengt hverja lotu. Afkastamæling tekur mið af hvoru tveggja.

Við prófuðum úttak hverrar hönnunar í hermun. Hönnun fékk núll stig ef hún féll á prófun eða notaði meira en 16-falt flatarmál upprunalega kjarnans. Fyrir hönnun sem stóðst prófanir mældum við fjölda skipana á klukkulotu við vinnslu verkefna sem líkönin höfðu ekki aðgang að. Við tókum rúmfræðilegt meðaltal yfir þessi verkefni og margfölduðum það með hámarksklukkutíðni sem áætluð var með Yosys. Þannig fengum við áætlaðan fjölda skipana á sekúndu. Fyrir hvorn kjarna fengu mestu afköstin sem við mældum við sömu skorður einkunnina 1,0. Gröfin sýna meðaleinkunn úr öllum keyrslum, þar á meðal þeim sem fengu núll stig.

Þegar líkönin höfðu sambærilegt svigrúm, um 112.000 tóka í hverri keyrslu, fékk GPT‑6.2 Astra hæstu meðaleinkunn á báðum kjörnum. GPT‑6.1 Sol fékk einnig hærri einkunn en GPT‑5.6 Sol á báðum kjörnum.

Á fyrirliggjandi PicoRV32-kjarna fær GPT‑6.2 Astra hæstu meðaleinkunn þegar líkönin hafa fleiri tóka til ráðstöfunar við sambærileg viðmið. Við um 112.000 tóka er einkunn þess um tvöfalt hærri en einkunn GPT‑6 Astra.

Á fyrirliggjandi Ibex-kjarna heldur meðaleinkunn GPT‑6.2 Astra áfram að hækka eftir því sem líkanið fær fleiri tóka til ráðstöfunar. Minni munur er á GPT‑6 Astra og GPT‑6.1 Sol.

Hönnun RISC-V-kjarna út frá kröfulýsingu

Í seinna verkefninu gáfum við hverju líkani skriflegar kröfur og sniðmát úr opna kóðanum sem sýndu hvernig kjarninn tengist öðrum hlutum kerfisins. Líkanið valdi hvernig gögn skyldu flæða um kjarnann og hvernig skipta ætti vinnslunni í stig. Fyrir hvorn kjarna héldum við prófunum á réttri virkni, minnis- og skyndiminnisstillingum og afkastamarkmiðum óbreyttum frá RTL-bestunarverkefninu.

Við um 112.000 tóka í hverri keyrslu fengu öll fimm líkönin hærri einkunn þegar þau hönnuðu kjarna út frá skriflegum kröfum en þegar þau reyndu að bæta fyrirliggjandi hönnun. Þetta átti bæði við um PicoRV32 og Ibex. GPT‑6.2 Astra bætti sig meira á Ibex en PicoRV32. Matið í heild náði til 9.881 keyrslu sem fékk einkunn, yfir bæði verkefnin, báða kjarnana og öll tókaviðmið.

Þegar GPT‑6.2 Astra vinnur út frá kröfulýsingu PicoRV32 fer meðaleinkunnin yfir 0,7 við um 112.000 tóka og hækkar við næstu tvö tókaviðmið sem prófuð voru.

Við hönnun Ibex út frá kröfulýsingu nær GPT‑6.2 Astra um 0,75 í meðaleinkunn við um 112.000 tóka. Ferill þess helst ofan við hina þegar líkönin fá fleiri tóka til ráðstöfunar við sömu viðmið.

Með því að byrja á skriflegum kröfum fá líkönin svigrúm til að sleppa eiginleikum upprunalegu kjarnanna, svo sem afkastateljurum og viðbótarskipunum. Þessir eiginleikar bæta hugsanlega lítið við afköstin í prófunarverkefnunum, sem gæti skýrt að hluta hvers vegna einkunnirnar voru hærri. Með því að krefjast þessara eiginleika, setja þrengri mörk á flatarmál rása og athuga tímasetningar eftir efnislega rásasmíði mætti láta prófið endurspegla betur flöguhönnun til framleiðslu.

Næstu skref

Við höfum sýnt að líkönin okkar geta kannað nýja örgjörvahögun í RISC-V-matsprófum og náð fram frekari umbótum á háþróaðri framleiðsluhönnun á borð við Jalapeño og næstu kynslóð flaggskipsörgjörva AMD, bæði grafíkörgjörva og miðörgjörva. Til að styðja líkanaþróun við áreiðanleg matstæki og takast á við fjölbreyttari hönnunaráskoranir vinnum við með Synopsys að þjálfun nýs líkans, GPT‑Synopsys⁠(opnast í nýjum glugga), í að nota verkfæri Synopsys til sjálfvirkrar rafeindahönnunar (EDA) á sama hátt og sérfræðingar í flöguhönnun gera.