OpenAI

18 November 2026

PenyelidikanPenerbitan

Memajukan reka bentuk cip dengan model OpenAI

Model OpenAI sedang menambah baik cip yang menggerakkan AI dengan pesat. Pada bulan Ogos,⁠ kami berkongsi cara jurutera OpenAI menggunakan model perbatasan kami untuk mempercepat pembangunan cip inferens tersuai pertama kami, Jalapeño. Di sini, kami meneliti penambahbaikan reka bentuk bertaraf pakar yang menghasilkan peningkatan pada Jalapeño, serta cara kami menerapkan pendekatan yang sama bersama AMD untuk menghasilkan peningkatan ketara pada perkakasan pihak ketiga.

Untuk mengukur keupayaan model kami dalam tugas reka bentuk cip secara menyeluruh, kami menilai generasi model berturut-turut pada dua reka bentuk pemproses sumber terbuka dan memperoleh dapatan menarik. Untuk memastikan pembangunan keupayaan berpandukan alat penilaian yang dipercayai, kami bekerjasama dengan Synopsys bagi menyepadukan kecerdasan perbatasan dengan alat automasi reka bentuk elektronik (EDA) yang sudah digunakan oleh jurutera untuk mereka bentuk dan mengesahkan cip.

Menambah baik blok pengkomputeran Jalapeño

Kami mula menggunakan GPT‑4o untuk membantu mereka bentuk Jalapeño pada awal 2025. Model awal itu pun berjaya menemukan cara untuk menghasilkan penambahbaikan PPA yang bermakna, seperti:

Dalam unit vektor, yang mengurus dan melaksanakan tugas pengkomputeran selari, penjimatan diperoleh daripada penambah dan pendarab titik apung, fungsi penukaran, logik penurunan, serta unit fungsi khas. Model meneroka pelaksanaan logik alternatif serta cara membahagikan pengiraan antara peringkat saluran paip, lalu menemukan peluang untuk berkongsi perkakasan dan mengurangkan storan perantaraan.

Dalam unit matriks, iaitu komponen aritmetik, penambahbaikan terkumpul merangkumi penambah titik apung, pendarab, dan litar hasil darab titik berkejituan rendah. Satu reka bentuk semula pendarab menggunakan luas sel kira-kira 15% lebih kecil semasa sintesis, di samping mengurangkan kependaman daripada dua kitaran jam kepada satu. Satu lagi reka bentuk semula, kali ini untuk penambah, mengurangkan luas sel kira-kira 15% sambil mengekalkan kependaman dua kitarannya. Penambahbaikan lanjut pada logik hasil darab titik dan susunan saluran paip menyumbang kepada penjimatan tambahan di seluruh blok.

Dalam keseluruhan usaha reka bentuk Jalapeño, pasukan menganggarkan bahawa perubahan yang dicadangkan oleh model mengurangkan luas sel standard kira-kira 13% dalam unit vektor dan 10% dalam unit matriks. Pengoptimuman ini terbukti berkesan pada silikon semasa pengaktifan awal silikon Jalapeño⁠.

Kerjasama kami dengan AMD

Kami bekerjasama dengan AMD untuk menambah baik PPA dan telah melihat peningkatan sehingga 14% berbanding garis dasar yang telah dioptimumkan secara intensif pada IP GPU perdana. Model kami mengenal pasti penambahbaikan lanjut dengan menulis semula kod yang menerangkan litar cip (SystemVerilog RTL). Ini bersamaan dengan kemajuan kira-kira setahun yang dicapai dalam masa kurang daripada 5 bulan—hasil yang belum pernah dicapai pada tahap termaju reka bentuk cip. AMD sudah memasukkan sebahagian perubahan ini dalam reka bentuk terkini yang dihantar untuk pembuatan, dan menambahkan perubahan lain pada fail reka bentuk pengeluarannya untuk digunakan dalam versi akan datang.

Kami telah melihat model ini menaakul tentang RTL pada tahap seorang pakar seni bina mikro. Model ini boleh menulis semula litar yang menjalankan pengiraan, mengawal operasi atau memindahkan data. Model ini menggunakan alat Synopsys untuk mengesahkan bahawa setiap penulisan semula mengekalkan tingkah laku blok, serta menilai kompromi antara kuasa, prestasi dan luas.

AMD turut mengesahkan peningkatan PPA pada kadar peratusan satu digit merentas blok utama CPU perdana generasi seterusnya yang akan datang, menggunakan reka bentuk yang ditulis oleh model kami. Pada masa hadapan, kami menjangkakan penambahbaikan PPA selanjutnya pada GPU dan CPU berbanding garis dasar yang paling dioptimumkan.

Mengoptimumkan teras RISC-V

Hasil kami pada Jalapeño dan cip AMD menunjukkan bahawa model mampu menambah baik reka bentuk pengeluaran. Untuk mengukur kemajuan keupayaan reka bentuk cip daripada satu generasi model kepada generasi seterusnya, kami menguji setiap model pada dua teras RISC-V 32 bit sumber terbuka. PicoRV32 ialah teras padat yang direka untuk cip boleh atur cara semula yang dipanggil FPGA. OpenTitan menggunakan Ibex sebagai pemproses terbenam dalam cip keselamatannya. Setiap satunya ialah teras pemproses lengkap untuk beban kerja terbenam kelas mikropengawal.

Kami memberikan huraian perkakasan asal bagi setiap teras kepada setiap model dan memintanya meningkatkan daya pemprosesan (bilangan arahan yang boleh dilaksanakan oleh teras sesaat). Sebagai contoh, sesuatu perubahan mungkin membolehkan teras menyelesaikan arahan dalam kitaran jam yang lebih sedikit, tetapi menjadikan setiap kitaran lebih lama. Pengukuran daya pemprosesan mengambil kira kedua-dua kesan ini.

Kami menyemak output setiap reka bentuk melalui simulasi. Reka bentuk diberi skor sifar jika gagal dalam semakan atau menggunakan lebih daripada 16 kali luas teras asal. Bagi reka bentuk yang lulus, kami mengukur bilangan arahan bagi setiap kitaran jam pada beban kerja yang disembunyikan daripada model. Kami mengambil min geometri merentas beban kerja tersebut dan mendarabkannya dengan frekuensi jam maksimum yang dianggarkan menggunakan Yosys. Ini memberikan anggaran bilangan arahan sesaat. Bagi setiap teras, kami memberikan skor 1.0 kepada daya pemprosesan terbaik yang diperhatikan di bawah kekangan yang sama. Carta menunjukkan skor purata merentas semua larian, termasuk yang mendapat skor sifar.

Dengan peruntukan setanding kira-kira 112,000 token bagi setiap larian, GPT‑6.2 Astra mencatat skor purata tertinggi pada kedua-dua teras. GPT‑6.1 Sol juga mengatasi skor GPT‑5.6 Sol pada kedua-duanya.

Pada teras PicoRV32 sedia ada, GPT‑6.2 Astra mencatat skor min tertinggi pada peruntukan setanding yang lebih besar. Pada sekitar 112,000 token, skornya kira-kira dua kali ganda skor GPT‑6 Astra.

Pada teras Ibex yang sedia ada, skor min GPT‑6.2 Astra terus meningkat apabila peruntukan yang dicapainya bertambah. Skor GPT‑6 Astra dan GPT‑6.1 Sol pula lebih hampir antara satu sama lain.

Mereka bentuk teras RISC-V daripada spesifikasi

Untuk tugas kedua, kami memberikan keperluan bertulis dan templat daripada kod sumber terbuka kepada setiap model, yang menunjukkan cara teras disambungkan kepada bahagian lain sistem. Model memilih cara data bergerak melalui teras dan cara membahagikan kerja kepada beberapa peringkat. Bagi setiap teras, kami mengekalkan semakan ketepatan, tetapan memori dan cache, serta objektif daya pemprosesan yang sama seperti dalam tugas pengoptimuman RTL.

Pada kira-kira 112,000 token bagi setiap pelaksanaan, kelima-lima model mencatat skor lebih tinggi apabila mereka bentuk teras daripada keperluan bertulis berbanding apabila cuba menambah baik reka bentuk sedia ada. Dapatan ini berlaku pada kedua-dua PicoRV32 dan Ibex. GPT‑6.2 Astra memperoleh peningkatan lebih besar pada Ibex berbanding PicoRV32. Penilaian penuh merangkumi 9,881 pelaksanaan yang diberi skor bagi kedua-dua tugas, kedua-dua teras dan semua peruntukan token.

Apabila bermula daripada spesifikasi PicoRV32, GPT‑6.2 Astra melepasi skor min 0.7 pada sekitar 112,000 token dan mencatat skor lebih tinggi pada dua peruntukan seterusnya yang diperhatikan.

Pada Ibex, GPT‑6.2 Astra mencatat purata kira-kira 0.75 pada sekitar 112,000 token apabila mereka bentuk daripada spesifikasi. Keluknya kekal di atas model lain pada peruntukan lebih besar yang sama-sama digunakan.

Bermula daripada keperluan bertulis memberi ruang kepada model untuk menggugurkan ciri yang terdapat dalam teras asal, seperti pembilang prestasi dan arahan tambahan. Ciri tersebut mungkin tidak banyak meningkatkan daya pemprosesan pada beban kerja ujian, dan ini mungkin menjelaskan sebahagian kelebihan skor itu. Mewajibkan ciri tersebut, menetapkan had luas litar yang lebih ketat dan menyemak pemasaan selepas sintesis fizikal akan menjadikan ujian ini lebih mencerminkan reka bentuk cip untuk pengeluaran.

Langkah seterusnya

Kami telah menunjukkan bahawa model kami mampu meneroka seni bina pemproses baharu dalam penilaian RISC-V dan menyumbang penambahbaikan yang benar-benar baharu kepada reka bentuk pengeluaran canggih seperti Jalapeño serta GPU dan CPU perdana generasi seterusnya daripada AMD. Untuk memastikan pembangunan model berpandukan alat penilaian yang dipercayai dan menangani cabaran reka bentuk yang lebih luas, kami bekerjasama dengan Synopsys untuk melatih GPT‑Synopsys⁠(dibuka dalam tetingkap baru), sebuah model baharu, supaya menggunakan alat automasi reka bentuk elektronik (EDA) Synopsys seperti pakar reka bentuk cip.