OpenAI 모델이 AMD GPU 설계를 다시 짰다, 5개월 만에 1년치 진전

Advancing chip design with OpenAI models

OpenAI가 자사 추론 칩 Jalapeño 설계에 GPT-4o를 투입해 벡터 유닛 13%, 매트릭스 유닛 10%의 셀 면적을 줄였고, AMD와의 협업에서는 플래그십 GPU IP에서 최적화된 기준선 대비 최대 14%의 PPA 개선을 이뤄냈다. 모델이 SystemVerilog RTL을 마이크로아키텍트 수준으로 다시 작성한 결과로, 약 1년치 진전을 5개월 안에 달성한 셈이다. AMD는 일부 변경을 이미 양산 설계에 반영했다. RISC-V 코어 벤치마크에서는 GPT-6.2 Astra가 최고 점수를 기록했고, Synopsys와는 EDA 도구를 다루는 GPT-Synopsys를 함께 훈련 중이다.

우리 모델은 마이크로아키텍트 전문가 수준으로 RTL을 추론하는 모습을 보였다. 모델은 계산, 제어, 데이터 이동을 수행하는 회로를 다시 작성할 수 있다.
  1. jacquesm

    AI 기업들의 첫 번째 시기가 자신들의 AI를 개선하는 것이었다면, 이제는 시장에 공개하지 않는 모델로 거의 모든 다른 산업으로 다각화하고 있다는 점이 흥미롭습니다. 사실상 이 기업들은 이제 모든 고객과 경쟁하면서 동시에 그 고객들이 무엇을 하고 있는지 속속들이 알고 있습니다.

    저에게 이것은 두 가지를 의미합니다. 첫째, 쉬운 성과는 이미 다 거두었고 이제는 느리지만 꾸준한 점진적 개선 단계에 접어들었다는 것, 둘째, 이 기업들과 기업 비밀을 공유한다면 조만간 그것이 당신에게 불리하게 사용될 것이라고 확신할 수 있으며, 그들은 당신이 어떤 가격을 주더라도 그들에게서 살 수 없는 도구를 사용할 것이라는 점입니다.

  2. sascac

    칩 이름을 Jalapeño로 지은 것은 훌륭합니다. 뜨거운 감자 칩과 연관될 뿐만 아니라, Jalapeño 고추는 멕시코의 도시 Xalapa 출신이기도 합니다. Xalapa는 나우아틀어 단어 Xallapan에서 유래했으며, 대략 '모래 물의 장소'로 번역됩니다. 이 칩은 석영 모래로 만들어지고, 데이터 센터는 물을 사용해 칩을 냉각합니다. 데이터 센터는 모래 물의 장소입니다!

  3. skyberrys

    칩 설계를 소프트웨어 설계 문제로 취급하는 것에서 좋은 결과를 보고 있습니다. 에이전트를 사용해 회로를 생성하는 소프트웨어를 작성하고, 그다음 EDA 흐름을 자동화하는 소프트웨어를 작성합니다. 그러면 에이전트가 여러 시간 걸리는 시뮬레이션을 여러 번 실행하는 동안 내가 더 이상 옆에서 지켜보지 않아도 됩니다.

    하지만 RTL로 곧장 달려가지는 않습니다. 사실 설계에서 RTL은 작은 부분일 뿐이고, 대부분은 아날로그입니다.

  4. zardo

    내가 뭔가 놓치고 있는 건가요, 아니면 그들이 그 RISC-V 설계를 공유하지 않는 건가요?

  5. george_max

    AI가 AI ASIC에 특화된 자체 TSMC 같은 기계를 설계하고, 자체 서버 인프라, 건물 등을 설계하는 단계에 언제 도달할지 궁금합니다.

  6. tschellenbach

    같은 개선 루프가 과학의 모든 영역에서 일어날 것입니다.

  7. amelius

    전에도 말했지만 ... 이것이 엔비디아가 스스로의 몰락을 부추기는 방식입니다.

  8. zackmorris

    AI가 정말로 회로 설계에서 혁신을 시작할지, 아니면 그저 잘못된 일을 더 빠르게 계속할지 흥미로울 것입니다. 하지만 곧 현 상태를 훨씬 능가할 것이라고 장담합니다. 그리고 당연히 그래야 합니다.

    우리는 1990년대 후반 GPU와 함께 시작된 막다른 컴퓨팅 접근법의 긴 꼬리 끝에 와 있습니다. 그때 우리는 범용 컴퓨팅을 희생하고 SIMD를 최적화하기로 선택했습니다. 게다가 무어의 법칙은 2007년경 스마트폰의 등장과 함께 끝났습니다. 업계가 멀티코어 접근법을 통한 컴퓨팅 극대화보다 비용과 전력 최소화를 선택했기 때문입니다.

    이제 AMD EPYC 같은 고도 멀티코어 칩은 서버만 접근할 수 있으며, 비용은 10~100배이고 콘텐츠 주소 지정 캐싱으로 로컬/공유 메모리를 극대화했을 때보다 성능도 떨어집니다. Apple의 M 시리즈 프로세서는 괜찮지만, 특화 코어는 대칭 멀티프로세싱으로 가능한 더 높은 추상화를 가로막습니다. 우리는 여전히 멀티코어 기반이 부족합니다.

    1990년대 후반 대학 시절 Synopsys와 Cadence를 사용해 SPICE 다이어그램에서 회로를 자동 배치 및 배선했는데(기억이 흐릿하지만), 그들은 이미 인간의 80% 수준 성능을 보였습니다. 칩 면적, 속도, 전력 중 무엇이었는지는 기억나지 않습니다. 하지만 대형 업체들은 분명히 우리가 배운 것보다 최소한 동등한 도구를 사용하고 있었습니다.

    그리고 2000년대에는 OpenAI가 지금 하는 일을 하며 작은/오픈 CPU 설계를 FPGA에서 시뮬레이션하고 싶었습니다. […]

이 날의 다른 글

2026-11-18