Аннотация:
OpenAI опубликовала свой последний технический отчет «Улучшение проектирования микросхем с помощью моделей OpenAI», в котором рассказывается о своем последнем прогрессе в использовании моделей искусственного интеллекта для облегчения проектирования чипов. OpenAI заявила, что ее модель не только помогла самостоятельно разработанному чипу вывода искусственного интеллекта Jalapeño оптимизировать схему, но также в сотрудничестве с AMD добилась улучшения показателей энергопотребления, производительности и площади (PPA) ключевых IP-модулей флагманского графического процессора до 14%.
. Некоторые результаты оптимизации были включены в конструкции чипов, недавно представленные AMD для производства.

В OpenAI заявили, что модель искусственного интеллекта переходит от помощи инженерам в написании кода к дальнейшему внедрению в проектирование базовой схемы чипа и оптимизацию микроархитектуры. Результаты, объявленные на этот раз, охватывают чипы искусственного интеллекта собственной разработки, флагманские графические процессоры AMD и процессоры нового поколения, а также конструкции процессоров RISC-V с открытым исходным кодом.
Что касается чипов собственной разработки, OpenAI будет использовать GPT-4o для участия в разработке Jalapeño, начиная с начала 2025 года. Даже более ранние модели того времени уже могли найти место для оптимизации в традиционном процессе проектирования чипов.
В частности, в блоке векторных вычислений Халапеньо модель искусственного интеллекта снижает использование аппаратных ресурсов и требования к промежуточному хранению данных за счет настройки сумматоров с плавающей запятой, умножителей, логики преобразования данных и структур конвейера. В блоке матричных вычислений модель переработана для операций с плавающей запятой и схем скалярного произведения низкой точности.
Среди них оптимизация конструкции множителя уменьшает площадь стандартного блока после синтеза примерно на
15 %
, при этом уменьшая задержку операции с двух тактов до одного такта. Другая оптимизация сумматора также обеспечивает уменьшение площади примерно на 15% при сохранении задержки в два такта.По оценкам OpenAI, изменения конструкции, предложенные моделью ИИ, в конечном итоге уменьшили стандартную площадь векторной единицы халапеньо примерно на
13 %
, единица матрицы уменьшается примерно на10 %
. Эти улучшения были подтверждены во время отладочной проверки чипа.Следует отметить, что OpenAI применяет вышеуказанные возможности к проектированию коммерческих чипов AMD.
Согласно информации, раскрытой OpenAI, обе стороны сотрудничали для оптимизации ключевых IP-модулей флагманского графического процессора AMD. Основанная на оригинальной высокооптимизированной конструкции, модель OpenAI дополнительно улучшает показатели энергопотребления, производительности и площади за счет переписывания RTL-кода SystemVerilog, описывающего схему микросхемы. Улучшение PPA некоторых дизайнов достигает
14 %
. .В OpenAI заявили, что это эквивалентно завершению процесса проектирования, который обычно занимает около года менее чем за пять месяцев.
AMD применила некоторые оптимизации к конструкциям чипов, недавно представленным в производство, а другие улучшения были включены в документацию по производственному проектированию и запланированы для будущих версий.В то же время AMD также проверила результаты оптимизации модели OpenAI в ключевых модулях флагманского процессора следующего поколения, и соответствующая конструкция добилась однозначного процентного улучшения показателей PPA.
OpenAI заявила, что ее модель способна анализировать код RTL так же, как это делает старший инженер по микроархитектуре, и предлагать модификации вычислительной логики, схем управления и структур передачи данных. Модель также использует инструменты автоматизации электронного проектирования Synopsys для проверки того, что модификации сохраняют первоначальную функциональность, и оценки мощности, производительности и соотношения площади различных конструкций.
В дополнение к реальному проекту чипа OpenAI также оценила возможности проектирования чипов моделей разных поколений с помощью двух 32-битных процессорных ядер RISC-V с открытым исходным кодом PicoRV32 и Ibex.
Тест включает в себя два типа задач: одно — оптимизировать производительность процессора на основе существующего проекта RTL, а другое — сгенерировать проект RTL процессора с нуля в соответствии с требованиями текстовой спецификации.
Результаты показывают, что при сопоставимом бюджете примерно в 112 000 токенов на запуск
GPT-6.2 Astra достигла наивысшего среднего балла в задачах оптимизации RTL обоих ядер процессора
. Среди них в тесте PicoRV32 его средний балл примерно в два раза выше, чем у GPT-6 Astra.Примечательно, что в задаче создания проектов RTL непосредственно из текстовых спецификаций все пять протестированных моделей на обоих процессорах получили более высокие оценки, чем в задаче оптимизации существующих проектов. GPT-6.2 Astra получила средний нормализованный балл более 0,7 в тесте PicoRV32 и около 0,75 в тесте Ibex.
Эта оценка включала в общей сложности
9881 оценку
, охватывающий различные модели, задачи, ядра процессоров и бюджеты токенов.Однако OpenAI также отметила, что эти тесты все еще имеют ограничения. Поскольку при перепроектировании процессора на основе спецификаций в моделях могут отсутствовать такие функции, как счетчики производительности или некоторые дополнительные инструкции, более высокий балл не обязательно означает, что новый дизайн будет столь же выгоден в реальных продуктах. В будущем все равно необходимо будет добавлять более строгие функциональные требования, ограничения по площади чипа и проверки синхронизации после физического синтеза.
На следующем этапе OpenAI объявила о сотрудничестве с производителем программного обеспечения для проектирования микросхем Synopsys, название тренинга —
GPT-Synopsys
Новая модель позволяет использовать инструменты автоматизации электронного проектирования (EDA), такие как профессиональные инженеры-проектировщики микросхем, что еще больше расширяет возможности применения искусственного интеллекта в процессе проектирования и проверки микросхем.Судя по результатам, раскрытым на этот раз, OpenAI пытается создать набор технических путей, которые используют ИИ для оптимизации чипов, а затем используют более эффективные чипы для поддержки работы моделей ИИ. Однако основные результаты, объявленные на данный момент, по-прежнему ориентированы на конкретные вычислительные модули и задачи оценки и не могут быть напрямую приравнены к одинаковой пропорции улучшения производительности всего графического процессора или процессора.
Комментарии