KutatásHír
OpenAI: 14%-os PPA-javulás az AMD GPU-tervében
🇬🇧 Read this article in English →
Az OpenAI szerint a modelljei átírták az AMD zászlóshajó GPU IP-jének SystemVerilog RTL kódját. Ezzel akár 14%-os javulást értek el teljesítményben, fogyasztásban és területben. A változtatások egy része már a gyártásra küldött tervben van.
· 3 perc olvasás

Mi történt?
Az OpenAI november 18-án részletezte, hogyan használja a modelljeit chiptervezésre (OpenAI). A fő szám az AMD-től jön: a zászlóshajó GPU IP-n akár 14%-os javulást mértek PPA-ban (power, performance, area, vagyis fogyasztás, teljesítmény és terület) az erősen optimalizált kiinduló tervekhez képest. A modell ehhez a chip áramköreit leíró SystemVerilog RTL kódot írta át.
Az OpenAI szerint ez nagyjából egy év fejlődés kevesebb mint öt hónap alatt. Az AMD a változtatások egy részét már beépítette egy nemrég gyártásra küldött tervbe, a többi a jövőbeli verziók tervfájljaiba került. Az AMD a következő generációs zászlóshajó CPU kulcsblokkjain is egyszámjegyű százalékos PPA-javulást igazolt a modell által írt tervekkel.
Hogyan ellenőrizték?
A modell Synopsys eszközökkel ellenőrizte, hogy minden átírás megtartja a blokk viselkedését. Ugyanezekkel mérte a fogyasztás, sebesség és terület közötti kompromisszumokat. Az OpenAI azt írja, a modell egy tapasztalt mikroarchitekt szintjén érvel az RTL-ről: számoló, vezérlő és adatmozgató áramköröket is átír.
Jalapeño: itt már szilíciumon is igazolták
Az OpenAI saját inference chipjén, a Jalapeñón 2025 eleje óta használ modelleket. A becslésük szerint a modell által javasolt változtatások a vektoregységben kb. 13%-kal, a mátrixegységben kb. 10%-kal csökkentették a standard cellák területét. Egy szorzó áttervezése kb. 15%-kal kisebb cellaterületet hozott, közben a késleltetés két órajelciklusról egyre esett. Ezeket a változtatásokat a cég szerint a chip élesztésekor szilíciumon is igazolták.
RISC-V teszt modellgenerációnként
A generációk közti fejlődést két nyílt RISC-V magon mérték (PicoRV32 és Ibex), összesen 9881 pontozott futással. Kb. 112 ezer tokenes futásonkénti keretnél a GPT-6.2 Astra érte el a legjobb átlagot mindkét magon (korábban: GPT-6.2 Astra és Sol: olcsóbb, tokenhatékonyabb modellek). A PicoRV32-n a pontszáma nagyjából kétszerese a GPT-6 Astráénak. Ha a modell specifikációból tervezett magot, mind az öt modell jobban teljesített, mint a meglévő terv javításánál. Az OpenAI maga is jelzi, hogy ennek egy része abból jöhet, hogy ilyenkor kihagyhatók olyan funkciók, mint a teljesítményszámlálók.
Mit érdemes fenntartással kezelni?
- A 14% felső érték, nem átlag. Nincs bontva fogyasztásra, sebességre és területre.
- Az AMD-számokról csak az OpenAI posztja számol be, a termékek és blokkok neve nem nyilvános.
- A gyártásra küldött terv még nem mért szilícium. Szilíciumon igazolt eredményt csak a Jalapeñónál közöltek.
- A RISC-V tesztkörnyezet és a rejtett workloadok nem publikusak, így kívülről nem ismételhető.
Mi jön?
Az OpenAI a Synopsysszal közösen tanítja a GPT-Synopsys modellt, amely a Synopsys EDA eszközeit úgy használná, ahogy egy tapasztalt chiptervező. Ha a hardvertervezésnél is beválik az a minta, amit a kódolásnál látunk (modell javasol, determinisztikus eszköz ellenőriz), az a chipfejlesztési ciklus rövidülését jelentheti, nem csak egy-egy blokk optimalizálását.
MI segítségével készült, szerkesztő ellenőrizte. Hogyan készülnek a cikkeink
Szerkesztőségünk ellenőrizte és szerkesztette. Rólunk


