OpenAI sagt, dass seine Modelle die Chips verbessern, die KI antreiben, einschließlich seines ersten eigenen Inference-Chips, Jalapeño, und von Hardware von Drittanbietern mit AMD.
Deutsch ·
OpenAI-Modelle verbessern Chipdesign in Jalapeño-, AMD- und RISC-V-Tests
OpenAI berichtet, dass seine Modelle die Zellfläche in seinem Jalapeño-Chip verringert, AMD bei der Verbesserung von GPU- und CPU-Designs geholfen und die höchste Punktzahl bei RISC-V-Kernoptimierungsaufgaben erzielt hat.
Von Hermes Vector · Read in English

Kurz gesagt
- OpenAI sagt, dass modellvorgeschlagene Änderungen die Standardzellfläche in der Vektoreinheit von Jalapeño um etwa 13 % und in der Matrixeinheit um 10 % verringert haben.
- OpenAI berichtet von einer Leistungs-, Leistungs- und Flächenverbesserung von bis zu 14 % bei der Flaggschiff-GPU-IP von AMD im Vergleich zu stark optimierten Baselines.
- AMD bestätigte einstellige Prozentgewinne bei Leistungsaufnahme, Leistung und Fläche in wichtigen Blöcken seines kommenden Next-Generation-Flaggschiff-CPU, basierend auf Designs des OpenAI-Modells.
- GPT-6.2 Astra hatte die höchste Durchschnittspunktzahl sowohl für PicoRV32- als auch für Ibex-RISC-V-Kerne mit etwa 112.000 Token pro Lauf.
Jalapeño-Designverbesserungen
OpenAI-Ingenieure begannen Anfang 2025, GPT-4o zu verwenden. Das Unternehmen sagt, dass das frühe Modell Wege fand, nicht-triviale Verbesserungen bei Leistungsaufnahme, Leistung und Fläche zu erzielen. Bei der Vektoreinheit stammten die Einsparungen von Gleitkomma-Addierern und Multiplizierern, Konvertierungsfunktionen, Reduktionslogik und der Spezialfunktions-Einheit. Bei der Matrixeinheit verwendete eine Neugestaltung eines Multiplizierers bei der Synthese etwa 15 % weniger Zellfläche, während die Latenz von zwei Taktzyklen auf einen reduziert wurde. Eine separate Neugestaltung eines Addierers verringerte die Zellfläche um etwa 15 %, während die Zwei-Zyklus-Latenz beibehalten wurde. Im Rahmen des breiteren Jalapeño-Designbemühens schätzt das Team, dass modellvorgeschlagene Änderungen die Standardzellfläche in der Vektoreinheit um etwa 13 % und in der Matrixeinheit um 10 % verringert haben. Diese Optimierungen waren während des Silicon Bring-up von Jalapeño siliziumbewährt.
Zusammenarbeit mit AMD
OpenAI hat mit AMD an Verbesserungen bei Leistungsaufnahme, Leistung und Fläche zusammengearbeitet und bis zu 14 % Verbesserung im Vergleich zu stark optimierten Baselines bei der Flaggschiff-GPU-IP festgestellt. Das Modell identifizierte weitere Verbesserungen durch das Umschreiben des Codes, der die Schaltungen des Chips beschreibt, SystemVerilog RTL. OpenAI sagt, dass dies etwa ein Jahr an Fortschritt darstellt, das in weniger als 5 Monaten erreicht wurde. AMD hat einige dieser Änderungen bereits in einem kürzlich zur Fertigung gesendeten Design integriert und andere zu seinen Produktionsdesign-Dateien für zukünftige Versionen hinzugefügt. AMD bestätigte auch einstellige Prozentgewinne bei Leistungsaufnahme, Leistung und Fläche in wichtigen Blöcken seines kommenden Next-Generation-Flaggschiff-CPU, basierend auf Designs, die vom OpenAI-Modell erstellt wurden.
RISC-V-Kernoptimierung
Um den Fortschritt in den Chipdesign-Fähigkeiten zu messen, testete OpenAI jedes Modell an zwei Open-Source-32-Bit-RISC-V-Kernen: PicoRV32, ein kompakter Kern, der für FPGAs entwickelt wurde, und OpenTitan, das Ibex als eingebetteten Prozessor in seinem Sicherheitschip verwendet. jedem Modell wurde die ursprüngliche Hardwarebeschreibung für jeden Kern gegeben und aufgefordert, den Durchsatz zu erhöhen. Designs erhielten null Punkte, wenn sie eine Überprüfung nicht bestanden oder mehr als das 16-fache der Fläche des ursprünglichen Kerns verwendeten. Mit einem vergleichbaren Budget von etwa 112.000 Token pro Lauf hatte GPT-6.2 Astra die höchste Durchschnittspunktzahl auf beiden Kernen. Beim bestehenden PicoRV32-Kern hat GPT-6.2 Astra die höchste mittlere Punktzahl bei den größeren vergleichbaren Budgets. Bei etwa 112.000 Token liegt seine Punktzahl etwa doppelt so hoch wie die von GPT-6 Astra. Beim bestehenden Ibex-Kern steigt die mittlere Punktzahl von GPT-6.2 Astra weiterhin über die höheren Budgets, die sie erreicht.
Für eine zweite Aufgabe erhielten die Modelle schriftliche Anforderungen und Vorlagen und wurden gebeten, einen Kern aus einer Spezifikation zu entwerfen. Bei etwa 112.000 Token pro Lauf erzielten alle fünf Modelle höhere Punktzahlen, wenn sie einen Kern aus schriftlichen Anforderungen entwarfen, als wenn sie versuchten, das bestehende Design zu verbessern. Die vollständige Bewertung umfasste 9.881 bewertete Läufe über beide Aufgaben, beide Kerne und alle Token-Budgets.
Warum es wichtig ist
OpenAIs Ergebnisse zeigen, dass seine Modelle Änderungen an Produktions-Chip-Designs vorschlagen und neue Prozessorarchitekturen erkunden können. Das Unternehmen arbeitet mit Synopsys zusammen, um GPT-Synopsys, ein neues Modell, zu trainieren, um Synopsys-Electronic-Design-Automation-Tools so zu verwenden, wie es erfahrene Chipdesigner tun.
Quellen (auf Englisch)
KI-Übersetzung des englischen Originalartikels, automatisch geprüft, damit sie dasselbe aussagt wie das Original. Die Quellen wurden auf Englisch geprüft.
How do you feel about this story?
Comments 0
No comments yet. Start the discussion.