OpenAI 发布了《Advancing chip design with OpenAI models》技术报告,正式对外公布 AI 模型参与芯片电路、微架构优化的最新成果,简单来说就是 AI 反过来优化运行 AI 自己的芯片,本次优化覆盖自研 Jalapeño 推理芯片、AMD 旗舰 GPU、下一代 CPU 以及 RISC-V 开源内核,使用 GPT-4o、GPT-6.2 Astra 等模型探索电路逻辑、流水线排布,在 PPA(功耗、性能、面积)指标上拿到明确收益,其中 Jalapeño 向量单元、矩阵单元面积分别缩减 13%、10%,AMD 部分 GPU 关键 IP 最高实现 14% 的 PPA 改善,部分方案已经进入流片环节,这代表 AI 不再只用来写上层软件代码,已经深入到芯片底层硬件设计环节,不过目前 AI 只负责局部模块优化,还不能独立完成整颗芯片的完整设计,芯片整体架构、验证、流片依旧离不开芯片工程师主导。
一、本次芯片优化成果一览
| 优化对象 | 参与模型 | 核心优化效果 | 备注 |
|---|---|---|---|
| 自研 Jalapeño 推理芯片向量单元 | GPT-4o/GPT-6.2 Astra | 标准单元面积下降 13% | 已经硅验证,用于大模型推理 |
| 自研 Jalapeño 推理芯片矩阵单元 | GPT-4o/GPT-6.2 Astra | 标准单元面积下降 10% | 乘法器单模块面积减少 15%,延迟减半 |
| AMD 旗舰 GPU 关键 IP 模块 | GPT-6.2 Astra | 最高 14% PPA 提升 | 部分优化方案纳入最新流片版本 |
| AMD 下一代 CPU 模块 | GPT-6.2 Astra | 个位数 PPA 提升 | 仍在设计验证阶段 |
| RISC-V 开源处理器内核 | GPT-6.2 Astra | 同 token 预算下优化效果最优 | 用于通用处理器测试 |
二、AI 做芯片优化的工作方式
- 工程师给出电路模块的功能目标、约束条件,交给 OpenAI 大模型,由模型尝试不同逻辑方案、流水线拆分方式。
- 模型生成新的电路方案后,接入 EDA 工具做仿真、综合,对比原有方案的功耗、延迟、占用面积。
- 筛选出指标更好的方案,交给芯片工程师人工复核、修正,再进入后续验证流程。
- 整套流程是人机协同,AI 负责大规模搜索大量人类不容易想到的电路组合,工程师负责把关可行性、规避风险。
三、重点项目:Jalapeño 自研芯片优化细节
Jalapeño 是 OpenAI 和博通联合开发的大模型推理芯片,2025 年初 OpenAI 就开始用 GPT-4o 参与它的电路打磨。
- 向量单元:优化浮点加法器、乘法器、数据转换、归约逻辑,复用硬件电路,减少中间存储开销。
- 矩阵单元:针对低精度点积电路重新设计,其中一款乘法器面积减少 15%,时钟周期从 2 周期缩短为 1 周期。
- 所有 AI 给出的优化方案都经过硅片上板验证,不是单纯仿真结果,稳定性得到确认。
四、当前方案的边界与局限
- 只能优化局部 IP、运算单元,无法独立设计芯片整体架构、互联、存储系统。
- 14%、13% 这类收益是单个模块指标,不等于整颗芯片性能提升同等幅度。
- 最终方案必须人工审核,AI 给出的电路方案存在逻辑漏洞、时序违规的概率,不能直接送厂。
- 目前主要面向数字逻辑电路,模拟电路、射频电路的优化能力还比较弱。
五、后续规划
OpenAI 接下来会和 Synopsys 新思科技合作,训练专门面向芯片设计的专用模型,进一步适配 EDA 工具链路,目标是把 AI 辅助能力覆盖到更多芯片设计环节,缩短芯片迭代周期。
【相关 FAQ】
问题 1:OpenAI 这次芯片设计成果,是不是 AI 可以独立设计整颗 AI 芯片?
回答 1:不可以,OpenAI 本次芯片设计成果里,AI 只负责优化局部电路模块、运算单元,芯片整体架构、验证、流片都需要芯片工程师主导,AI 是辅助工具,不能独立完成完整芯片设计。
问题 2:OpenAI 发布的芯片设计成果里,AI 优化 Jalapeño 芯片拿到了什么效果?
回答 2:OpenAI 发布的芯片设计成果里,AI 优化 Jalapeño 向量单元面积减少 13%、矩阵单元面积减少 10%,部分乘法器模块面积减少 15%,延迟缩短,相关优化已经经过硅片实测验证。
问题 3:OpenAI 芯片设计成果中 AMD GPU 最高 14% 的 PPA 改善,代表显卡整体性能提升 14% 吗?
回答 3:不是,OpenAI 芯片设计成果里 14% 的 PPA 改善,只针对 GPU 里的单个关键 IP 模块,不是整张显卡的整体提升,整张显卡的综合性能提升幅度会低于这个数值。
问题 4:OpenAI 用 AI 优化芯片设计,和普通 AI 写代码有什么区别?
回答 4:OpenAI 这次 AI 优化芯片设计,是直接生成硬件电路逻辑方案,面向 EDA 仿真、流片,属于硬件层面优化;普通 AI 写代码是软件层面,不涉及芯片晶体管、时序、面积、功耗约束,门槛和风险完全不一样。
【参考资料】
[2026-11-18](Advancing chip design with OpenAI models)OpenAI 官网
[2026-11-19](AI 开始优化自己的 “大脑”:OpenAI 发布芯片设计最新成果)凤凰网科技
[2026-11-19](OpenAI 模型助力 Jalapeño 与 AMD 芯片优化,最高 14% PPA 提升)金融界
[2026-06-24](OpenAI 与博通发布 Jalapeño 大模型推理芯片)OpenAI 官方新闻
[2026-11-18](OpenAI 将联合 Synopsys 开发芯片设计专用 AI 模型)半导体行业观察
【免责声明】
本文整理的 OpenAI 芯片设计成果、Jalapeño、AMD 芯片 PPA 优化数据来自 OpenAI 技术报告与公开媒体报道;模块优化效果仅为特定电路下的测试结果,不代表量产芯片的最终表现;AI 辅助芯片设计尚处于早期阶段,不构成芯片行业投资、选型参考。
本文来自作者[Opal59]投稿,不代表海博商机网立场,如若转载,请注明出处:https://www.hb12369.net/qyzx/202611/1799.html
评论列表(4条)
我是海博商机网的签约作者“Opal59”!
希望本篇文章《OpenAI 发布 AI 辅助芯片设计成果AI 开始优化支撑自身的芯片 “大脑”》能对你有所帮助!
本站[海博商机网]内容主要涵盖:互联网行业的追踪与探索
本文概览:OpenAI 发布了《Advancing chip design with OpenAI models》技术报告,正式对外公布 AI 模型参与芯片电路、微架构优化的最新成果,简单来说就是 AI 反过来优化运行 AI 自己的芯片,本次优化覆盖自研 Jalapeño 推理芯片、AMD 旗舰 GPU、下一代 CPU 以及 RISC-V 开源内核,使用 GPT-4o、GPT-6.2 Astra 等模型探索电路逻辑、流水线排布,在 PPA(功耗、性能、面积)指标上拿到明确收益,其中 Jalapeño 向量单元、矩阵单元面积分别缩减 13%、10%,AMD 部分 GPU 关键 IP 最高实现 14% 的 PPA 改善,部分方案已经进入流片环节,这代表 AI 不再只用来写上层软件代码,已经深入到芯片底层硬件设计环节,不过目前 AI 只负责局部模块优化,还不能独立完成整颗芯片的完整设计,芯片整体架构、验证、流片依旧离不开芯片工程师主导。