2026-11-18 · ← Noticias
OpenAI lleva diseños de chips de los benchmarks al silicio fabricado
OpenAI afirma que sus modelos redujeron entre un 10 % y un 13 % partes del chip Jalapeño, mientras AMD incorporó a un diseño enviado a fabricación cambios con una mejora de PPA de hasta el 14 %. El paso importante es que la salida del modelo superó la revisión de ingenieros y llegó al silicio físico.
No se pudo cargar la imagen.
OpenAI ha publicado resultados del uso de sus modelos en el diseño de chips. En su chip de inferencia Jalapeño, la empresa asegura que los cambios propuestos por el modelo redujeron el área de celdas estándar cerca de un 13 % en la unidad vectorial y un 10 % en la unidad matricial. Ambas optimizaciones se validaron durante la puesta en marcha del silicio.
Las propuestas del modelo llegaron a chips enviados a fabricación
La colaboración con AMD logró hasta un 14 % de mejora en PPA, la combinación de rendimiento, consumo y área, frente a diseños de referencia ya muy optimizados, según OpenAI. El modelo reescribió RTL en SystemVerilog. AMD incorporó algunos cambios a un diseño enviado a fabricación y añadió otros a sus archivos de producción para futuras versiones.
OpenAI también probó cinco generaciones de modelos en dos núcleos RISC-V abiertos de 32 bits, PicoRV32 e Ibex. Con un presupuesto comparable de unos 112.000 tokens, GPT-6.2 Astra obtuvo la mayor puntuación media en ambos. El eval completo incluyó 9.881 ejecuciones puntuadas.
La revisión pesa más que la velocidad para escribir RTL
El diseño de chips tiene un ciclo de respuesta largo y caro. Un defecto que supere la verificación puede aparecer solo después de fabricar. Por eso importa el recorrido desde la propuesta del modelo, las simulaciones y la revisión experta hasta el tape-out, no cuántas líneas de RTL genera.
También cambia el papel del ingeniero. El modelo puede explorar variantes y sugerir optimizaciones locales, mientras las personas mantienen la especificación, las restricciones de fabricación y la responsabilidad sobre el resultado. Para los proveedores de EDA, esto apunta a una AI integrada en el ciclo de diseño y verificación.
Los resultados corporativos aún no son un benchmark independiente
Las cifras de producción proceden de OpenAI y sus socios. No conocemos toda la metodología, la intervención humana ni los intentos fallidos. Las mejoras de PPA dependen además del bloque, las bibliotecas, las restricciones y el punto de partida, por lo que el 14 % no se puede generalizar a cualquier chip.
Los evals abiertos de RISC-V ofrecen una medida más comparable, pero PicoRV32 e Ibex son más pequeños y manejables que una GPU o CPU moderna. Lo relevante es la combinación de dos pruebas: una evaluación repetible y cambios que un socio realmente permitió llegar a fabricación.
El trabajo humano y las medidas del silicio decidirán el alcance
El siguiente paso debe mostrar cuánto tiempo ahorran los modelos en un proyecto completo, incluida la verificación y las correcciones. Harán falta resultados reproducibles en más bloques, tasas de éxito públicas y comparaciones con el mismo equipo trabajando sin el modelo.
La señal más exigente llegará tras fabricar: las optimizaciones tendrán que repetirse en mediciones físicas sin aumentar los defectos. Eso separará a un ayudante útil para ciertos bloques de un cambio en la economía del diseño de chips.
El veredicto de Lilith
El modelo ya no dibuja chips solo en una pizarra. Su propuesta pasó por los ingenieros hasta llegar al horno de silicio, aunque la factura de la verificación humana sigue oculta.