OpenAI 用模型加速芯片设计

Advancing chip design with OpenAI models

OpenAI 的模型正在重塑芯片设计流程。我们利用前沿模型加速了自研推理芯片 Jalapeño 的开发,在向量单元和矩阵单元实现了显著的 PPA 优化。与 AMD 的合作中,模型在短短 5 个月内完成了相当于一年研发进度的改进,甚至在旗舰 GPU IP 上实现了最高 14% 的性能提升。通过在 RISC-V 核心上的测试,我们发现从规格书从头设计往往比优化现有设计效果更好。未来,我们将与 Synopsys 合作,将前沿智能深度集成到电子设计自动化工具中,让 AI 像资深架构师一样思考。

我们的模型在不到 5 个月内实现了大约一年的芯片设计进步,这在芯片设计领域是前所未有的成果。
  1. jacquesm

    AI 公司的发展阶段很有意思:早期它们专注于提升自家 AI 能力,如今却利用那些不对外发布的模型,大举进军几乎所有其他行业。实质上,这些公司现在正与它们的每一位客户展开竞争,同时还掌握着客户动向的内幕消息。

    在我看来,这标志着两件事:一是低垂的果实已被摘完,我们正处于缓慢但稳步的增量改进阶段;二是如果你把这些公司的商业机密分享给它们,迟早会被它们反过来利用,而且它们使用的工具是你花多少钱都买不到的。

  2. sascac

    把芯片命名为 Jalapeño(墨西哥辣椒)太妙了。这不仅让人联想到辣味薯片,而且 Jalapeño 辣椒源自墨西哥的 Xalapa 市。Xalapa 一词来自纳瓦特尔语 Xallapan,大致意为“沙水之地”。这些芯片由石英沙制成,而数据中心则用水来冷却它们。数据中心简直就是“沙水之地”!

  3. skyberrys

    我通过将芯片设计视为软件设计问题,取得了不错的成果:利用智能体编写软件来生成我的电路,再编写软件来自动化我的 EDA 流程。这样,智能体就能帮我照看那些耗时数小时的多次仿真运行,我不必再亲自盯着了。

    不过,我并不直接针对 RTL 进行设计。事实上,只有很小一部分设计是 RTL,大部分是模拟电路。

  4. zardo

    是我漏看了什么,还是他们并没有分享那些 RISC-V 设计?

  5. george_max

    我在想,什么时候我们才能看到 AI 设计出类似台积电的专用机器,专门用于生产 AI ASIC,同时还能设计出它们自己的服务器基础设施、建筑等等。

  6. tschellenbach

    同样的改进循环将发生在科学的每一个领域。

  7. amelius

    我之前就说过……这就是英伟达(Nvidia)加速自身灭亡的方式。

  8. zackmorris

    有趣的是,看看 AI 是否真的开始在电路设计领域进行创新,还是仅仅把错误的事情做得更快。但我敢打赌,它很快就会让现状望尘莫及,而且这是理所应当的。

    我们早已陷入了一条始于 1990 年代末的死胡同,当时我们选择优化 SIMD 而牺牲通用计算,从 GPU 开始就走上了这条不归路。此外,摩尔定律大约在 2007 年智能手机出现时结束,当时行业选择了通过多核方案来最小化成本和功耗,而非最大化计算能力。

    如今,只有服务器才能用上像 AMD EPYC 这样的高多核芯片,其成本是普通方案的 10 到 100 倍,性能却不如通过最大化本地/共享内存及内容可寻址缓存所能达到的水平。苹果的 M 系列处理器尚可,但其专用核心阻碍了对称多处理(SMP)所能提供的高层抽象,而专用算法正是建立在这些抽象之上的。我们仍然缺乏多核基础。

    我在 90 年代末上大学时用过 Synopsys 和 Cadence,它们能自动根据 SPICE 图表(我想是 SPICE,记忆有点模糊了)布局布线电路,当时的表现就已经能达到人类水平的 80%。我不记得那是针对芯片面积、速度还是功耗。但显然,当时的行业巨头使用的工具至少和我们受训的工具一样强大。

    然后在 2000 年代,我曾希望能像现在的 OpenAI 一样,在 FPGA 上模拟小型/开源 CPU 设计。[…]

同日更多故事

2026-11-18