11月18日,OpenAI 在官方博客详细拆解了自家模型参与芯片设计的过程:GPT-4o 从 2025 年初开始协助设计首款自研推理芯片 Jalapeño,模型提出的改动让向量单元的标准单元面积减少约 13%、矩阵单元减少约 10%,并且已经通过硅片验证。同一套方法还被用到了 AMD 的产线上,在旗舰 GPU IP 上相对高度优化的基线取得了最高 14% 的功耗、性能与面积(PPA)改进。这一次 OpenAI 讲的不再是概念,而是落到电路层面的具体数字。
Jalapeño 的两处关键改进都发生在计算核心。向量单元里,模型从浮点加法器、乘法器、转换函数和规约逻辑入手,尝试不同的逻辑实现与流水线划分,找到共享硬件、减少中间存储的机会;矩阵单元里,一处乘法器重设计让综合面积减少约 15%,延迟从两个时钟周期降到一个,另一处加法器重设计面积同样减少约 15%,延迟保持两个周期。这些改动叠加起来,构成了两位数百分比的面积收益,而且全部经过了真实硅片验证,不是仿真里的纸面数字。
AMD 的合作走得更远。OpenAI 的模型直接改写描述电路的 SystemVerilog 代码,AMD 把其中一部分改动放进了最近送去生产的设计,另外一些进了后续版本的设计文件;AMD 下一代旗舰 CPU 的关键模块上,模型写出的设计也取得了个位数百分比的 PPA 提升。OpenAI 的说法是,这相当于把大约一年的进展压缩到了不到五个月。同一套评测方法还被搬到了开源 RISC-V 核心 PicoRV32 和 Ibex 上:在约 11.2 万 token 的预算下,GPT-6.2 Astra 在两颗核心上的平均得分都是最高,PicoRV32 上约为 GPT-6 Astra 的两倍。
下一步要看两件事。一是 OpenAI 与 Synopsys 的合作:双方要联合训练一个名为 GPT-Synopsys 的模型,让它像资深芯片设计师一样使用 Synopsys 的 EDA 工具,这决定了模型设计芯片能不能从个案变成常规流程。二是评测本身的边界:从书面需求从头设计核心时,模型可以省略性能计数器等对吞吐量贡献不大的功能,得分因此虚高,而且评测没有收紧面积上限、也没有做物理综合后的时序检查,离量产标准还有距离。模型能改芯片已经是事实,接下来要验证的是它能不能稳定地改、一次改对。