OpenAI

18 ноември 2026 г.

ИстражувањеОбјава

Унапредување на дизајнот на чипови со моделите на OpenAI

Моделите на OpenAI брзо ги подобруваат чиповите што ја овозможуваат ВИ. Во август,⁠ споделивме како инженерите на OpenAI ги користеа нашите најнапредни модели за да го забрзаат развојот на Jalapeño, нашиот прв чип специјално дизајниран за инференција. Овде подетално ги разгледуваме експертските подобрувања во дизајнот што стојат зад напредокот на Jalapeño и како го применуваме истиот пристап со AMD за да постигнеме значителни подобрувања на хардвер од други производители.

За да ја измериме способноста на нашиот модел за извршување целосни задачи за дизајнирање чипови, оценивме последователни генерации на два процесорски дизајни со отворен код и добивме интересни наоди. А за развојот на способностите да се потпира на доверливи алатки за оценување, соработуваме со Synopsys за да ја интегрираме најнапредната интелигенција со алатките за автоматизација на електронски дизајн (EDA) што инженерите веќе ги користат за дизајнирање и верификација на чипови.

Подобрување на пресметковните блокови на Jalapeño

Почнавме да го користиме GPT‑4o како помош при дизајнирањето на Jalapeño на почетокот на 2025 година. Дури и тој ран модел најде начини за значителни подобрувања во потрошувачката, перформансите и површината (PPA), како што се:

Во векторската единица, која управува со задачите за паралелна пресметка и ги извршува, заштедите произлегоа од собирачите и множители со подвижна запирка, функциите за конверзија, логиката за редукција и единицата за специјални функции. Моделите истражуваа и алтернативни логички имплементации и начини за распределба на пресметките низ фазите на обработката во каналот, наоѓајќи можности за заедничко користење хардвер и намалување на складирањето среде процесот.

Во матричната единица, која е аритметичка компонента, подобрувањата се надоврзуваа кај собирачите и множителите со подвижна запирка и колата за скаларен производ со ниска прецизност. Еден редизајниран множител користеше околу 15% помала површина на ќелии при синтеза, а воедно ја намали латентноста од два тактни циклуси на еден. Посебен редизајн на собирач ја намали површината на ќелиите за околу 15%, задржувајќи ја латентноста од два циклуси. Дополнителните подобрувања во логиката за скаларен производ и организацијата на каналот донесоа уште заштеди низ целиот блок.

Во рамките на поширокиот процес на дизајнирање на Jalapeño, тимот проценува дека промените предложени од моделот ја намалиле површината на стандардните ќелии за околу 13% во векторската единица и 10% во матричната единица. Овие оптимизации беа потврдени на физичкиот чип при првичното пуштање во работа на Jalapeño⁠.

Нашата соработка со AMD

Во партнерство со AMD работевме на подобрувања на PPA и забележавме подобрување до 14% во однос на високооптимизираните почетни дизајни на IP-блоковите на водечкиот GPU. Нашиот модел утврди дополнителни подобрувања преку повторно пишување на кодот што ги опишува колата на чипот (SystemVerilog RTL). Тоа претставува приближно една година напредок постигнат за помалку од 5 месеци — невидени резултати на самата граница на можностите во дизајнот на чипови. AMD веќе вклучи дел од овие промени во неодамнешен дизајн испратен во производство, а други ги додаде во своите производствени дизајнерски датотеки за употреба во идните верзии.

Забележавме дека моделот расудува за RTL на ниво на експерт за микроархитектура. Моделот може повторно да пишува кола што вршат пресметки, управуваат со операции или пренесуваат податоци. Користеше алатки на Synopsys за да потврди дека секое повторно пишување го зачувува однесувањето на блокот и за да ги оцени компромисите меѓу потрошувачката, перформансите и површината.

Користејќи дизајни напишани од нашиот модел, AMD потврди и едноцифрени процентуални подобрувања на PPA кај клучните блокови на својот претстоен водечки CPU од следната генерација. Во иднина очекуваме дополнителни подобрувања на PPA кај GPU и CPU во однос на најоптимизираниот почетен дизајн.

Оптимизација на RISC-V јадра

Нашите резултати со Jalapeño и чиповите на AMD покажуваат дека моделите можат да ги подобрат дизајните наменети за производство. За да го измериме напредокот во способностите за дизајнирање чипови од една генерација модели до следната, го тестиравме секој модел на две 32-битни RISC-V јадра со отворен код. PicoRV32 е компактно јадро дизајнирано за репрограмабилни чипови наречени FPGA. OpenTitan го користи Ibex како вграден процесор во својот безбедносен чип. Секое од нив е целосно процесорско јадро за задачи во вградени системи од класата на микроконтролери.

На секој модел му го дадовме оригиналниот хардверски опис на секое јадро и побаравме да го зголеми капацитетот (бројот на инструкции што јадрото може да ги изврши во секунда). На пример, некоја промена може да му овозможи на јадрото да заврши инструкција во помалку тактни циклуси, но притоа да го продолжи траењето на секој циклус. Мерењето на капацитетот ги опфаќа двата ефекта.

Ги проверивме излезните резултати на секој дизајн со симулација. Дизајните добиваа оцена нула ако не поминеа некоја проверка или ако зафаќаа повеќе од 16 пати поголема површина од оригиналното јадро. За дизајните што ги поминаа проверките, го измеривме бројот на инструкции по тактен циклус врз задачи скриени од моделите. Ја пресметавме геометриската средина за тие задачи и ја помноживме со максималната тактна фреквенција проценета со Yosys. Така добивме процена за бројот на инструкции во секунда. За секое јадро, на најдобриот капацитет што го забележавме под истите ограничувања му доделивме оцена 1,0. Графиконите ја прикажуваат просечната оцена од сите обиди, вклучувајќи ги и оние со оцена нула.

Со споредлив буџет од околу 112.000 токени по обид, GPT‑6.2 Astra имаше највисока просечна оцена на двете јадра. И GPT‑6.1 Sol го надмина GPT‑5.6 Sol на двете јадра.

На постојното јадро PicoRV32, GPT‑6.2 Astra има највисока просечна оцена при поголемите споредливи буџети. При околу 112.000 токени, неговата оцена е приближно двојно повисока од онаа на GPT‑6 Astra.

На постојното јадро Ibex, просечната оцена на GPT‑6.2 Astra продолжува да расте со повисоките буџети што ги достигнува. GPT‑6 Astra и GPT‑6.1 Sol имаат поблиски резултати.

Дизајнирање RISC-V јадро според спецификација

За втората задача, на секој модел му дадовме пишани барања и шаблони од отворениот код што покажуваат како јадрото се поврзува со остатокот од системот. Моделот избра како ќе се движат податоците низ јадрото и како ќе се подели работата на фази. За секое јадро ги задржавме истите проверки за исправност, поставки за меморијата и кешот и цели за капацитетот како во задачата за оптимизација на RTL.

При околу 112.000 токени по обид, сите пет модели постигнаа повисоки оцени кога дизајнираа јадро според пишани барања отколку кога се обидуваа да го подобрат постојниот дизајн. Тоа важеше и за PicoRV32 и за Ibex. GPT‑6.2 Astra постигна поголемо подобрување на Ibex отколку на PicoRV32. Целосното оценување опфати 9.881 оценет обид за двете задачи, двете јадра и сите буџети за токени.

Почнувајќи од спецификација за PicoRV32, GPT‑6.2 Astra надминува просечна оцена од 0,7 при околу 112.000 токени и постигнува повисоки оцени со следните два испитани буџети.

На Ibex, GPT‑6.2 Astra постигнува просечна оцена од околу 0,75 при приближно 112.000 токени кога дизајнира според спецификација. Неговата крива останува над другите при поголеми буџети еднакви за сите модели.

Кога почнуваат од пишани барања, моделите имаат слобода да изостават функции од оригиналните јадра, како што се бројачите на перформанси и дополнителните инструкции. Тие функции можеби малку придонесуваат за подобрување на капацитетот при тест-задачите, што би можело делумно да ја објасни предноста во оцените. Ако тие функции беа задолжителни, ако ограничувањето на површината на колата беше построго и ако временските параметри се проверуваа по физичката синтеза, тестот пореално ќе го одразуваше дизајнирањето чипови за производство.

Што следува

Покажавме дека нашите модели можат да истражуваат нови процесорски архитектури во оценувањата со RISC-V и придонесовме со сосема нови подобрувања на софистицирани дизајни за производство, како што се Jalapeño и водечките GPU и CPU на AMD од следната генерација. За развојот на моделите да се потпира на доверливи алатки за оценување и да опфати поширок спектар дизајнерски предизвици, соработуваме со Synopsys на обучување на новиот модел GPT‑Synopsys⁠(се отвора во нов прозорец) да ги користи алатките на Synopsys за автоматизација на електронски дизајн (EDA) како што ги користат експертите за дизајн на чипови.