11 月 18 日,OpenAI 发布了一份技术报告,讲它怎么让模型上手改芯片。自研推理芯片 Jalapeño 从 2025 年初就交给 GPT-4o 打下手:模型直接重写浮点加法器、乘法器这些电路,新乘法器综合之后面积减少约 15%,延迟压到一个时钟周期;向量计算单元整体面积减约 13%,矩阵计算单元减约 10%,这些改动已经过实片验证。
在 AMD 旗舰 GPU 上,比人工优化过的版本再挤出 14%
更有看头的是外部验证。模型重写 SystemVerilog 这层硬件描述代码,在 AMD 旗舰 GPU 的知识产权模块上,做到了比工程师高度优化过的基准再提升 14% 的性能、功耗、面积收益(业内简称 PPA),把原本大约一年的优化周期压到不到 5 个月。部分成果已经进了近期送制造的设计,下一代旗舰 CPU 的关键模块也验证出个位数百分比的提升。
考题:从零造一颗 RISC-V 内核
OpenAI 拿两款开源 RISC-V 内核出题,要求模型提高吞吐量并通过仿真验证,没通过检查、或面积超过原设计 16 倍的直接记零分,总共跑了 9881 次计分任务。GPT-6.2 Astra 的平均分排在前列;有意思的是,改成从零设计内核这种更难的题,五款参测模型的得分反而更高。
OpenAI 自己也没把话说满:模型可能会顺手删掉对吞吐量没用的功能,比如调试和可测性相关的电路,指标好看了,芯片却不好用。下一步它要和新思科技一起训练 GPT-Synopsys,让模型学会像工程师那样使唤 EDA 工具,而不是自己瞎写代码。
boxiyunAI的看法
- 一年压到 5 个月,这个数字的意义不在「AI 会写代码」,而在于芯片设计里有一大半工作量本来就是重复的调参和改写,恰好是模型擅长的部分。
- 14% 的 PPA 提升看着不大,放在旗舰芯片上是真金白银:同面积多算力,或者同算力少耗电,量产出货就是整代产品的差距。
- 报告里那句「可能删掉对吞吐量无用的功能」才是关键提醒。自动优化永远朝着你给的指标去,指标没写全,它就会把看不出来的东西牺牲掉。
- 和 EDA 厂商合作这一步走得对。芯片设计的门槛不只在写 RTL,更在懂工具链和工艺约束,模型要先学会用工具,才谈得上替工程师干活。
- 对做软件的公司也是同理:让 AI 改代码,先给足测试和验收标准,再谈效率。指标缺一块,它就会在那块上偷工减料,而且偷得很合理。
这件事的落点不是 AI 要取代芯片工程师,而是设计流程的瓶颈正在从「人写得多快」变成「人审得多准」。能提 14% 的工具迟早人人都有,能不能判断这 14% 是怎么来的、有没有代价,才是各家真正的差距。