Los modelos de OpenAI rediseñan chips de AMD y logran un año de avances en menos de cinco meses

Advancing chip design with OpenAI models

OpenAI detalla cómo GPT-4o y modelos posteriores optimizaron el diseño de su chip Jalapeño, reduciendo el área de celdas estándar hasta un 13% en la unidad vectorial y un 10% en la matricial. En colaboración con AMD, sus modelos reescribieron el RTL de la GPU insignia y lograron mejoras de hasta el 14% en PPA frente a líneas base altamente optimizadas, un avance equivalente a un año de trabajo en menos de cinco meses. AMD ya incorporó algunos cambios en un diseño enviado a fabricación.

Hemos observado que el modelo razona sobre el RTL al nivel de un microarquitecto experto.
  1. jacquesm

    Es interesante cómo el primer periodo de las empresas de IA fue mejorar sus IAs y ahora se están diversificando hacia prácticamente cualquier otra industria con modelos que no liberan al mercado. Efectivamente, estas empresas ahora compiten con cada uno de sus clientes mientras tienen información privilegiada sobre lo que esos clientes están haciendo.

    Para mí esto significa dos cosas: la fruta al alcance de la mano ya se ha recogido y ahora estamos en la parte de mejora incremental lenta pero constante de la trayectoria, y la segunda es que si compartes tus secretos corporativos con estas empresas puedes contar con que se usarán en tu contra tarde o temprano y usarán herramientas que no puedes comprarles a ningún precio.

  2. sascac

    Ponerle al chip Jalapeño es genial. No solo juega con la idea de patatas calientes (hot potato chips), sino que además los pimientos jalapeños provienen de Xalapa, una ciudad en México. Xalapa viene de la palabra náhuatl Xallapan, que se traduce aproximadamente como "lugar de agua arenosa". Estos chips están hechos de arena de cuarzo, y luego un centro de datos usa agua para enfriarlos. ¡Un centro de datos es un lugar de agua arenosa!

  3. skyberrys

    Estoy viendo buenos resultados en el diseño de chips al tratarlo como un problema de diseño de software, usando el agente para escribir software que genere mis circuitos y luego escribir software para automatizar mi flujo de EDA. Así el agente puede cuidar mis varias ejecuciones de simulación de varias horas para que yo ya no tenga que hacerlo.

    Sin embargo, no voy directo al RTL. De hecho, solo una pequeña fracción del diseño está en RTL, la mayor parte es analógica.

  4. zardo

    ¿Me estoy perdiendo algo o no están compartiendo esos diseños RISC-V?

  5. george_max

    Me pregunto cuándo llegaremos al punto en que la IA diseñe sus propias máquinas similares a las de TSMC especializadas para ASICs de IA, junto con el diseño de su propia infraestructura de servidores, edificios, etc.

  6. tschellenbach

    Los mismos bucles de mejora ocurrirán en todas las áreas de la ciencia.

  7. amelius

    Lo dije antes... así es como nvidia está alimentando su propia perdición.

  8. zackmorris

    Será interesante ver si la IA realmente empieza a innovar en el diseño de circuitos o simplemente sigue haciendo las cosas mal más rápido. Pero apostaría a que pronto dejará atrás el statu quo, y con razón.

    Estamos muy lejos en la larga cola de un enfoque sin salida para la computación que comenzó a finales de los 90 con las GPUs, cuando elegimos optimizar SIMD a expensas de la computación de propósito general. Encima, la Ley de Moore terminó aproximadamente en 2007 con la llegada de los smartphones, cuando la industria eligió la minimización de coste y potencia sobre la maximización de cómputo mediante un enfoque multinúcleo.

    Ahora solo los servidores tienen acceso a chips altamente multinúcleo como AMD EPYC, a un coste de 10 a 100 veces mayor y con un rendimiento inferior al que tendrían si maximizaran las memorias locales/compartidas con caché direccionable por contenido. La línea M de procesadores de Apple está bien, pero sus núcleos especializados se interponen en el camino de las abstracciones superiores disponibles con multiprocesamiento simétrico, sobre las cuales se pueden construir algoritmos especializados. Todavía nos falta la base multinúcleo.

    Usé Synopsys y Cadence en la universidad a finales de los 90 para colocar y rutear circuitos automáticamente a partir de diagramas en SPICE (creo, mi memoria es borrosa) y ya rendían al 80% de lo que lo hacen los humanos. No recuerdo si era para el área del chip, la velocidad o la potencia. Pero los grandes jugadores obviamente usaban herramientas al menos tan capaces como las que nos enseñaron.

    Luego, en los 2000, esperaba hacer lo que OpenAI está haciendo y simular diseños de CPU pequeños/abiertos en FPGAs. […]

Más de este día

2026-11-18