OpenAI ускорила разработку чипов AMD: ИИ нашёл способ улучшить оптимизированные схемы на 14%

Прокомментировать Просмотры: 0

Источник изображения: сгенерировано Muse

OpenAI сообщила, что её модели помогли усовершенствовать аппаратные разработки AMD. При оптимизации ключевых блоков графического процессора удалось добиться до 14% улучшения совокупных показателей энергопотребления, производительности и площади кристалла (PPA) по сравнению с исходными решениями, которые уже прошли тщательную оптимизацию. Часть предложенных изменений AMD внесла в проект, отправленный на производство, а остальные включила в документацию для будущих версий чипов.

Модели работали с RTL — описанием цифровых схем на языке аппаратного проектирования SystemVerilog. Они перерабатывали участки логики, отвечающие за вычисления, управление операциями и передачу данных. После этого инструменты Synopsys проверяли, сохраняет ли обновлённая схема исходное поведение, и оценивали соотношение производительности, энергопотребления и занимаемой площади. По оценке OpenAI, улучшения, на которые обычно потребовалось бы около года, удалось получить менее чем за пять месяцев.

AMD отдельно подтвердила однозначный процентный прирост PPA в ключевых блоках будущего флагманского процессора следующего поколения. Эти результаты также были получены с применением решений, разработанных моделями OpenAI. Конкретные характеристики процессора и абсолютные значения улучшений для отдельных блоков компания не раскрывает.

OpenAI использовала аналогичный подход при создании собственного ускорителя инференса Jalapeño. Работа над ним началась в начале 2025 года с применением GPT-o3 mini. В векторном блоке, предназначенном для параллельных вычислений, модели оптимизировали сумматоры, умножители, преобразование чисел и логику обработки результатов. В матричном блоке они переработали арифметические схемы, в том числе умножители и низкоразрядные операции. Один из вариантов умножителя при синтезе занял на 15% меньше площади стандартных ячеек и сократил задержку с двух тактов до одного. Другой вариант сумматора уменьшил площадь примерно на 15%, сохранив задержку в два такта.

По общей оценке команды OpenAI, предложенные моделями изменения сократили площадь стандартных ячеек векторного блока Jalapeño примерно на 13%, а матричного — на 10%. Эти оптимизации проверили на реальном кремнии при первом запуске и тестировании изготовленного чипа.

OpenAI также оценила способность моделей самостоятельно проектировать и оптимизировать процессоры на примере двух открытых 32-разрядных ядер архитектуры RISC-V — PicoRV32 и Ibex, которое используется в защищённом чипе OpenTitan. В одном эксперименте моделям предлагалось повысить пропускную способность готовых проектов, в другом — создать ядро с нуля по письменной спецификации. Результаты оценивали по количеству инструкций, выполняемых в секунду; корректность схем проверяли в симуляции, а рост площади кристалла ограничивали.

В испытаниях с бюджетом около 112 000 токенов на запуск GPT-6.2 Astra показала лучший средний результат на обоих ядрах. GPT-6.1 Sol также опередила GPT-5.6 Sol. При проектировании с нуля все пять протестированных моделей получили более высокие оценки, чем при оптимизации существующих схем. Впрочем, OpenAI отмечает, что отчасти это объясняется возможностью не включать в новую конструкцию некоторые функции исходных процессоров, которые не влияли на производительность в тестовых задачах.

Следующим этапом станет совместная работа с Synopsys над моделью GPT-Synopsys. Её планируют обучить пользоваться средствами автоматизации проектирования электронных устройств (EDA) на уровне опытных разработчиков микросхем. OpenAI рассчитывает расширить круг задач, в которых модели смогут участвовать при создании и проверке процессорных архитектур.

 

Источник: iXBT

Похожие статьи

Поиск по играм, новостям и статьям…

Введите не менее двух символов

Введите не менее двух символов