AREXOpen in interactive Feed

AREX Feed Article

OpenAI 称模型不到五个月在 AMD 旗舰 GPU IP 上识别出最高 14% PPA 改进,Jalapeño 增益经实芯验证

November 18, 2026

OpenAI 于美国时间 11 月 18 日(北京时间 11 月 19 日凌晨)在 X 账号发布公告:在与 AMD 的合作中,其模型在不到五个月里于 AMD 旗舰 GPU IP 上识别出最高 14% 的 PPA(功耗、性能、面积)改进,而这块 IP 的设计已经由 AMD 工程师优化多年。公告还称,同一套方法被用于改进 OpenAI 首款自研推理芯片 Jalapeño,相关增益已在真实硅片(real silicon)上得到验证。

配套的博客文章披露了机制和另一项进展:模型通过重写描述电路的 SystemVerilog RTL 代码找到改进点,重写过程用 Synopsys 工具校验;一项在两颗开源 RISC-V 核心上、共 9,881 次打分的评测显示,模型在部分芯片设计任务上随代际变强;OpenAI 同时确认正与 Synopsys 合作,把模型能力与其 EDA(电子设计自动化)设计与验证工具结合。14%、实芯验证等核心数字均为 OpenAI 单方口径,公告未披露具体 IP 型号、工艺节点、所用模型版本或商业条款。

模型重写 SystemVerilog RTL,OpenAI 称相当于把一年进展压进五个月

按 OpenAI 博客的说法,模型识别改进的方式是重写 SystemVerilog RTL(RTL,寄存器传输级,即以硬件描述语言写成的电路代码),改进对象是旗舰 GPU IP 上「高度优化的基线」设计。OpenAI 称这相当于「大致一年的进展在不到五个月内取得」,并形容为芯片设计前沿「前所未有的结果」。

据 OpenAI 说法,AMD 已把其中一部分改动纳入近期一份送厂制造的设计,其余改动写入了供未来版本使用的生产设计文件;AMD 还用模型写出的设计,在其即将推出的下一代旗舰 CPU 的关键模块上验证了个位数百分比的 PPA 增益。OpenAI 描述模型的推理达到「专家级微架构师的水平」:它能改写执行计算、控制操作或搬运数据的电路,并用 Synopsys 工具确认每次改写保持模块行为不变,同时评估功耗、性能、面积三者的取舍。

Jalapeño 计算单元的细账:向量单元面积省约 13%,矩阵单元约 10%

Jalapeño 是 OpenAI 与 Broadcom 于 2026 年 6 月 24 日联合发布的首款自研推理芯片,从初始设计到流片用了九个月,OpenAI 当时已说明模型的加入加快了部分设计与优化工作。8 月 25 日 OpenAI 公布首批实测结果:在 GPT-OSS 120B、DeepSeek R1、Kimi K2.5 1T 三个公开模型上,相比对照系统,Jalapeño 每瓦多完成 1.5~1.9 倍的 AI 工作、端到端延迟降低 1.7~3.6 倍,并提到 AI 曾帮助优化芯片的运算电路。

这篇博客把当年的「帮助」拆成了具体数字。向量单元(负责管理和执行并行计算任务)里,模型重写了浮点加法器、乘法器、转换函数、归约逻辑和特殊功能单元的实现,并调整流水线划分以共享硬件、减少中间存储,据团队估计合计把该单元的标准单元面积减少约 13%。矩阵单元里,一次乘法器重设计在综合阶段少用约 15% 的单元面积,并把延迟从两个时钟周期减到一个;另一个加法器重设计在保持两周期延迟的前提下省下约 15% 的单元面积;加上对点积电路和流水线组织的改进,团队估计整个模块标准单元面积减少约 10%。

OpenAI 称,这些优化已在 Jalapeño 的硅片点亮(silicon bring-up)过程中获得实芯验证,公告所称「经真实硅片验证」的增益正是这一部分。博客还确认了这项工作的起点:OpenAI 从 2025 年初就开始用 GPT-4o 辅助设计 Jalapeño。

两颗开源 RISC-V 核心上的代际评测:从优化核心到按规格设计

为衡量能力如何随代际推进,OpenAI 在两颗开源 32 位 RISC-V 核心上测试了各代模型:面向 FPGA(现场可编程门阵列)的紧凑核心 PicoRV32,以及 OpenTitan 安全芯片所用的嵌入式核心 Ibex。第一项任务给出原始硬件描述,要求提高吞吐,即每秒执行的指令数;设计在仿真中校验,未通过检查或面积超过原核心 16 倍即记零分,通过的设计则在模型看不到的工作负载上测量每周期指令数,乘以用 Yosys 估算的最高时钟频率,得到每秒指令数的估计值,并以同约束下观测到的最佳吞吐定为 1.0 分。

在每轮约 112,000 tokens(词元)的可比预算下,GPT-6.2 Astra 在两颗核心上的平均分都最高,在 PicoRV32 上约为 GPT-6 Astra 的两倍;GPT-6.1 Sol 在两颗核心上都胜过 GPT-5.6 Sol。第二项任务改为从书面规格出发、参考开源代码中的接口模板从零设计核心:在约 112,000 tokens 预算下,参加评测的五个模型从规格设计的得分全部高于优化现有设计,GPT-6.2 Astra 在 PicoRV32 上均分约 0.7、在 Ibex 上约 0.75。全部评测横跨两项任务、两颗核心与各档 token 预算。

OpenAI 同时承认这套基准的边界:从规格出发允许模型省略原核心里的性能计数器和部分指令等特性,而这些特性对测试工作负载的吞吐帮助不大,可能解释了一部分得分优势;要让测试更接近生产级芯片设计,还需加入这些特性、收紧面积上限,并在物理综合后检查时序。

Synopsys 合作补上新细节:验证工具已进入真实设计流程

与 Synopsys 的合作并非今天开始。两家公司已于 9 月 30 日宣布签署多年协议,共同开发专用模型 GPT-Synopsys:OpenAI 将获得 Synopsys EDA 工具的授权用于训练,双方约定收入分成和联合市场推广;GPT-Synopsys 将运行在 OpenAI 托管的基础设施上,并与 Synopsys.ai 和 Synopsys Autopilot 集成。Synopsys CEO Sassine Ghazi 当时的表述是,要在「不牺牲 PPA 或一次流片成功」的前提下大幅加速芯片设计流程;OpenAI 总裁 Greg Brockman 则说,「我们正在用自己最先进的技术改进为 AI 供能的系统」。

11 月 18 日的公告把这条合作线和前两节的结果接了起来:AMD 项目的 RTL 重写由 Synopsys 工具完成行为等价验证和 PPA 权衡评估;博客结尾还确认,双方将训练 GPT-Synopsys,让模型像专家芯片设计师那样使用 Synopsys 的 EDA 工具。

未披露的型号与仍属自述的数字

公告未披露的内容集中在 AMD 一侧:14% 相对于「高度优化的基线」如何测得、这块旗舰 GPU IP 属于哪一代产品、基于什么工艺节点、由哪个版本的模型完成改写,均无说明。至于 OpenAI 称已写入 AMD 送厂设计与未来版本生产文件的那批改动,是否真如所述进入量产,检验者是 AMD 未来公布的芯片。在得到 OpenAI 之外的佐证之前,14% 与 Jalapeño 的实芯验证增益都仍只是 OpenAI 一方的叙述。

参考链接

  • OpenAI 在 X 上的公告(2026 年 11 月 18 日)
  • OpenAI 博客:Advancing chip design with OpenAI models(2026 年 11 月 18 日)
  • OpenAI 与 Broadcom 联合发布 Jalapeño(2026 年 6 月 24 日)
  • OpenAI 公布 Jalapeño 首批实测结果(2026 年 8 月 25 日)
  • OpenAI 与 Synopsys 宣布 GPT-Synopsys 合作(2026 年 9 月 30 日,PR Newswire)