OpenAI与AMD联合披露,其AI模型在不到五个月内将AMD旗舰GPU IP的功耗、性能与芯片面积(PPA)指标最高提升14%。OpenAI称,这相当于在AMD工程师已多年优化的设计基础上,再取得约一年的工程进展。AMD已将部分改动纳入一款送交制造的设计,意味着AI辅助优化已从实验走向实际流片环节。

PPA是衡量芯片设计质量的核心指标,功耗、性能与面积三者相互制约,通常需要工程师反复权衡。传统上,这类优化依赖资深团队数月乃至数年的迭代。OpenAI的说法若成立,则表明大模型可以在既有工程成果之上进一步搜索设计空间,缩短优化周期。

同一方法还被用于OpenAI首款自研推理芯片Jalapeño。在基于开源RISC-V处理器核心的测试中,新模型GPT-6.2 Astra在各代模型中取得最佳结果。这表明该能力并非只适用于AMD的GPU IP,而可能迁移到不同架构的芯片设计任务中。

OpenAI还在与Synopsys合作开发GPT-Synopsys,目标是借助Synopsys的EDA工具,让AI辅助芯片设计更广泛地可及。EDA是芯片设计的基础软件层,若AI模型能嵌入EDA流程,可能改变设计效率与工具使用方式。

Anthropic也在将AI用于芯片相关工作。其Mythos模型在AMD MI355X GPU上处理某模型的提示词处理任务仅用三天,而Anthropic称该任务通常需要六到十二个月。Anthropic目前已在四个芯片家族上运行Claude,以优化成本与每美元性能。

从产业视角看,AI公司正从“使用芯片”向“参与设计芯片”延伸。对AMD而言,与OpenAI的合作若能在其旗舰GPU IP上兑现PPA提升,有助于在算力竞赛中改善产品能效与成本结构;对OpenAI而言,自研推理芯片Jalapeño的进展关乎其推理成本控制与供应链自主性。对EDA厂商Synopsys来说,与前沿模型公司合作则可能打开AI辅助设计的新入口。

不过,上述提升幅度与“相当于一年进展”的表述均来自OpenAI方面,尚缺第三方独立验证。AI辅助设计能否在更复杂、更大规模的量产芯片上稳定复现,以及其对设计验证、良率与上市时间的影响,仍需观察。但可以确定的是,芯片设计这一高度依赖工程经验的环节,正在成为AI模型能力落地的新场景。