OpenAI首次详细披露了人工智能在其首款定制推理芯片“Jalapeño”设计中的具体角色。随着AI技术对各行业的重塑,OpenAI已将AI模型深入应用于芯片设计流程,不仅优化了自研的Jalapeño芯片,还在与AMD合作的第三方硬件上取得了显著进展。

自研芯片Jalapeño的AI辅助设计

据悉,OpenAI于2025年初开始利用GPT-4o辅助Jalapeño芯片的设计工作,并在多个关键组件上实现了实质性改进。

在负责并行计算任务的向量单元中,AI模型通过探索替代逻辑实现方式及优化流水线阶段的计算分配,成功找到共享硬件并减少中间存储的机会。节省空间主要来源于浮点加法器、乘法器、转换函数、归约逻辑和特殊功能单元。

在矩阵单元方面,改进涵盖浮点加法器、乘法器和低精度点积电路。其中,一次乘法器重新设计使单元面积减少约15%,同时将延迟从两个时钟周期缩短至一个周期;另一次加法器重新设计在保持两周期延迟的同时,也使面积减少了约15%。此外,对点积逻辑和流水线组织的进一步优化带来了额外的成本节省。

赋能AMD:5个月完成逾一年工作量

在与AMD的合作中,AI同样展现出强大的优化能力。双方致力于优化性能、功耗和面积(PPA),在旗舰GPU IP上实现了高达14%的提升(相对于高度优化的基线)。

OpenAI表示,其模型通过重写描述芯片电路的代码(SystemVerilog RTL)挖掘出进一步改进空间。这一过程在不到5个月的时间内,取得了相当于传统流程一年多的进展。目前,AMD已在最近送交制造的一项设计中纳入了部分更改,并将其他改进整合至生产设计文件中,供未来版本使用。

RISC-V核心:从头设计优于局部优化

除了商业合作,OpenAI还利用GPT模型改进了两个现有的开源RISC-V核心,并尝试根据规范从头设计全新核心。评估显示,GPT-6.2 Astra在各项测试中表现最佳。

在仿真检查中,若设计未通过验证或使用面积超过原始核心的16倍,则得分为零。对于通过的设计,团队在模型不可见的负载下测量每时钟周期指令数,结合Yosys估算的最高时钟频率得出每秒指令数估计值。在每次运行预算约为112,000个token的情况下,GPT-6.2 Astra在两个核心上的平均得分最高,且GPT-6.1 Sol的表现也优于GPT-5.6 Sol。

值得注意的是,当允许模型根据书面规范和模板自行决定数据流动及阶段划分时,其得分普遍高于尝试改进现有设计的情况。这一结论在PicoRV32和Ibex两种核心上均得到验证,其中GPT-6.2 Astra在Ibex上的提升幅度更为显著。完整的评估涵盖了9,881次评分运行。

这一结果尤其具有指示意义,表明人工智能在从头设计先进芯片方面可能比局部优化更具潜力,验证了其在高端芯片设计领域的有效性。