OpenAI改写AMD芯片RTL,PPA最高改善14%
OpenAI 报告称,其模型改写了 AMD 旗舰 GPU 的 SystemVerilog RTL,部分设计的功耗、性能与面积综合指标最高改善 14%。团队用 Synopsys 工具验证改写前后的功能一致性,部分改动已进入送交制造的芯片设计。
AI 深度解读
OpenAI 的模型改写了 AMD 旗舰 GPU 的部分电路逻辑,在工程师已经反复调优的基线上,取得最高 14% 的 PPA 改善。AMD 已把部分改动纳入送制造的设计。这个数字来自特定模块,原文没有给出 AMD 成品芯片的实测结果。
这项工作值得程序员花几分钟读,因为它把 AI 优化拆成了三个可检查的环节:模型提出改写,工具验证行为,工程指标决定是否采用。你在日常 AI 编程里也能用这套办法,尤其是遇到模型声称「这版更快」的时候。
模型改了什么,工程师怎么验?
模型直接改写 SystemVerilog RTL。RTL 描述的是寄存器里的数据如何随时钟更新,以及数据在更新前要经过哪些逻辑运算。改写后,电路仍要按规格工作,但实现同一功能所需的硬件资源和时间可能发生变化。
每次改写都用 Synopsys 的电子设计自动化(EDA)工具检查模块行为,再衡量功耗、性能和面积,也就是 PPA。三项指标存在取舍。比如,要让电路更快,可能得增加硬件资源。因此,知道某个模块「改善了 14%」之后,还得知道改善的是哪一项、其他项付出了什么代价。
AMD 的 14% 和 OpenAI 的硅片实测差在哪?
OpenAI 在 11 月 18 日发布的技术报告中,把 AMD 旗舰 GPU 特定 IP 模块的最高 PPA 改善报为 14%,并将这项进展形容为不到 5 个月走完约 1 年的设计工作。部分改动已经进入送制造的芯片设计,其余改动写入面向未来产品的生产设计文件。AMD 还验证了模型改写对下一代旗舰 CPU 关键模块带来的个位数百分比 PPA 改善。
OpenAI 自研的首款推理芯片 Jalapeño 给出了硅片实测数据。团队从 2025 年初开始用 GPT-4o 辅助设计,向量单元和矩阵单元的标准单元面积分别减少约 13% 和 10%。标准单元就是组成数字电路的基础逻辑单元。报告还列举了一次乘法器改写,单元面积减少约 15%,延迟由 2 个时钟周期缩短到 1 个。Jalapeño 从初始设计到流片用了 9 个月。
OpenAI 还在与 Synopsys 合作训练 GPT-Synopsys,目标是让模型像芯片设计专家一样操作这些工具。AMD 的结果能否在成品硅片上兑现,仍有待验证。
我的判断
我最认同的是先验行为、再测指标的顺序。工程师手写优化也可以走同一套验证流程。模型的潜在价值是多提出几种值得测试的实现,而验证流程决定这些候选能不能进项目。如果团队缺少清楚的规格、回归用例或可重复的测量环境,模型生成更多版本也会带来更多人工核验工作。
AMD 的结果值得关注,因为基线已经过工程师调优。不过,原文没有披露具体产品、三项 PPA 的分项变化或 AMD 成品硅片的数据,结果也由厂商报告,尚无独立复现。「不到 5 个月做出约 1 年的进展」属于厂商的经验估算。原文没有提供同等人力和条件下的对照数据,也没有拆出 GPT-4o 对 Jalapeño 这 9 个月工期的贡献。
能拿来做什么
- 让模型优化一段前端计算逻辑或 Node 热路径前,先固定有代表性的输入和现有实现的基线,再让每个候选跑同一组回归用例。
- 给模型明确一个主指标和要守住的约束。例如,优化 Node 请求的延迟时,同时记录内存消耗,避免只看到请求变快。
- 记录每次性能提升对应的测量环境。局部基准、完整应用和生产流量得出的数字各有适用范围,评审时把数字和条件一起报。