Lilith.
⌕
Redakční ilustrace: OpenAI dostala návrhy čipů z benchmarku do vyráběného křemíku
Ilustrace Lilith · redakční remix

OpenAI zveřejnila výsledky nasazení svých modelů při návrhu čipů. U vlastního inference čipu Jalapeño podle firmy změny navržené modelem zmenšily plochu standardních buněk ve vektorové jednotce přibližně o 13 % a v maticové jednotce o 10 %. Firma uvádí, že obě úpravy ověřila při oživování vyrobeného čipu.

Návrhy modelu prošly až do vyráběných čipů

Spolupráce s AMD přinesla podle OpenAI až 14 % zlepšení PPA, tedy kombinace výkonu, spotřeby a plochy, proti už silně optimalizovanému základu. Model přepisoval SystemVerilog RTL, který popisuje obvody. AMD některé změny vložila do návrhu odeslaného do výroby a další zařadila do produkčních souborů pro budoucí verze.

OpenAI zároveň testovala pět generací modelů na dvou otevřených 32bitových jádrech RISC-V, PicoRV32 a Ibex. Při srovnatelném rozpočtu kolem 112 000 tokenů dosáhl GPT-6.2 Astra nejvyššího průměrného skóre na obou jádrech. Celý eval zahrnoval 9 881 hodnocených běhů.

Hodnota leží v kontrole návrhu, ne v rychlosti generování RTL

Čipový návrh má dlouhou a drahou zpětnou vazbu. Chyba, která projde verifikací, se může ukázat až po výrobě. Proto je důležitější cesta od návrhu modelu přes simulace a kontrolu specialistů k tape-outu než počet řádků RTL, které model vytvoří.

Výsledek také mění roli inženýra. Model může prohledávat varianty a navrhovat lokální optimalizace, zatímco člověk drží specifikaci, omezení výroby a odpovědnost za správnost. Pro výrobce EDA nástrojů je to signál, že AI rozhraní se přesouvá z chatu přímo do návrhové a verifikační smyčky.

Firemní výsledky ještě nejsou nezávislým benchmarkem

Čísla pocházejí od OpenAI a jejích partnerů. Neznáme úplnou metodiku produkčních experimentů, množství lidských zásahů ani neúspěšné pokusy. Zlepšení PPA navíc vždy závisí na konkrétním bloku, knihovnách, omezeních a výchozím návrhu, takže 14 % nelze přenést na libovolný čip.

Otevřené RISC-V evals dávají srovnatelnější měřítko, ale procesorová jádra PicoRV32 a Ibex jsou menší a přehlednější než moderní GPU nebo CPU. Zajímavý je proto hlavně souběh obou důkazů: opakovatelný eval a změny, které partner skutečně pustil do výroby.

Rozhodne míra lidské práce a výsledky po tape-outu

Další krok musí ukázat, kolik času modely ušetří v celém projektu včetně verifikace a oprav. Důležité budou reprodukovatelné výsledky na více blocích, zveřejněná míra úspěšných návrhů a srovnání se stejným týmem bez modelu.

Nejtvrdší signál přijde po výrobě: zda se optimalizace opakovaně potvrdí v měření fyzických čipů bez zvýšení chybovosti. Teprve pak půjde oddělit schopného pomocníka pro několik bloků od změny ekonomiky návrhu čipů.

Lilithin verdikt

Model už nekreslí čip jen na tabuli. Jeho návrh prošel kontrolou inženýrů až do pece na křemík, ale účet za lidskou verifikaci zatím zůstal za zavřenými dveřmi.