您的位置首页 >科技要闻 >

AI 造芯落地OpenAI 模型辅助 AMD 优化芯片,5 个月干完约一年活并送厂流片

这次 “AI 造芯” 已经从实验室演示走到了送厂流片阶段:OpenAI 在 11 月 18 日发布的技术报告中披露,其大模型深度参与了 AMD 旗舰 GPU 的电路设计优化,在工程师已经打磨多年的高度优化基准上,仍抠出了最高 14% 的 PPA(功耗、性能、面积)综合提升;部分 AI 改写的电路代码已经被整合进近期送厂制造的芯片设计,其余优化进入面向后续产品的量产设计文件,AMD 下一代旗舰 CPU 的关键模块也验证到了个位数百分比的 PPA 增益。按 OpenAI 的说法,这次合作相当于把大约一年的工程优化工作压缩到了不到 5 个月。和 AI 写软件代码不同,这次模型直接改写的是描述电路如何计算、控制和搬运数据的 SystemVerilog RTL 硬件描述代码,改完再交给新思科技(Synopsys)的 EDA 工具做功能验证,确认电路行为没有改变。换句话说,AI 生成的电路改动不再只是跑分基准上的演示,而是进入了可以投产的设计文件,这在芯片设计前沿属于有标志意义的一步。

一、这次事件的基本盘:时间、合作方与落地状态

1. 关键信息一览

项目内容
披露来源OpenAI 于 2026 年 11 月 18 日发布技术报告《Advancing chip design with OpenAI models》
合作对象AMD;工具侧合作方为 EDA 厂商新思科技(Synopsys)
优化对象AMD 旗舰 GPU 知识产权内核(IP);下一代旗舰 CPU 关键模块;OpenAI 自研推理芯片 Jalapeño;开源 RISC-V 处理器评测
核心手段模型改写 SystemVerilog RTL 硬件描述代码,重构电路架构
验证方式用 Synopsys EDA 工具验证每次改写是否保持模块原有行为,并评估功耗、性能、面积取舍
落地进度部分改动进入近期流片(tape-out)的芯片设计;其余进入后续版本量产设计库;CPU 模块增益已由 AMD 验证
效率结论约一年的优化进展,在不到 5 个月内完成

2. 合作背景

  • OpenAI 与 AMD 的合作关系早在 2025 年 10 月就因双方宣布部署总计 6GW 算力规模的 AMD 处理器计划而受到关注,此后双方持续围绕硬件生态与软件性能优化展开协作。
  • 更早之前,OpenAI 从 2025 年初就开始用 GPT-4o 辅助设计自家第一颗定制推理芯片 Jalapeño,这轮 AMD 合作相当于把同一套 AI 辅助方法从自研芯片推广到量产级商用芯片。
  • 下一步,OpenAI 宣布将与 Synopsys 联合训练 GPT-Synopsys 专用模型,目标是让 AI 像资深芯片工程师一样熟练使用专业 EDA 工具,覆盖设计与验证全流程。

二、AI 在芯片设计里到底改了什么

1. 改动的对象:RTL 代码

芯片设计流程里,工程师先用硬件描述语言写 RTL(Register Transfer Level)代码,定义电路如何完成计算、控制操作和数据传输;之后再经过综合、布局布线、验证等环节变成可流片的版图。这次 OpenAI 模型动的就是这一层:

  • 对执行计算的电路、负责操作控制的电路、负责搬运数据的电路提出重写方案;
  • 探索替代逻辑实现方式、把计算重新划分到不同流水级、共享硬件资源、减少中间存储;
  • 每一处重写都要过 EDA 工具验证:功能行为必须和原来一致,再比较 PPA trade-off。

2. 优化的目标:PPA

PPA 是芯片设计的三大核心指标,三者互相牵制:

指标含义AI 优化方向
Power(功耗)芯片工作时消耗的电能减少无效翻转、共享硬件、压缩中间数据通路
Performance(性能)运算速度、延迟、吞吐能力缩短关键路径、减少流水级延迟、提升单元效率
Area(面积)芯片占用的硅片 / 标准单元面积精简逻辑、复用电路、缩小单元规模

3. 几个具体电路级例子(来自 Jalapeño 项目)

  • 矩阵单元一款乘法器重新设计后,综合阶段标准单元面积缩减约 15%,延迟从两个时钟周期压缩到一个时钟周期。
  • 另一款加法器优化方案标准单元面积下降约 15%,延迟保持不变。
  • 向量计算单元内,AI 对浮点加法器、乘法器等多个功能模块逐项优化,削减硬件资源消耗;矩阵计算单元完成浮点运算、低精度点积电路的迭代升级。

三、AI 辅助芯片设计的完整工作链路

结合报告披露的流程,一条典型的 AI 辅助优化链路可以拆成下面几步:

  1. 喂入现有设计:把工程师已有的 RTL 代码、模块功能说明和高度优化过的基准方案提供给模型。
  2. 模型提出重写方案:模型从微架构层面推理电路,针对计算、控制、数据搬运模块生成替代 RTL。
  3. EDA 工具功能验证:用 Synopsys 工具检查每版改写,确认模块对外行为没有改变,排除逻辑错误。
  4. PPA 评估与取舍:在保持功能的前提下,对比功耗、性能、面积的变化,筛选净收益为正的方案。
  5. 工程师复核与落地:AMD 工程师把通过验证的改动整合进设计,一部分进入近期流片版本,其余存入量产设计文件库,留给后续新品使用。
  6. 硅上验证:优化方案最终流片后,在真实芯片点亮、调测阶段确认收益;Jalapeño 的相关优化已经完成实际硅片验证。

四、各项目优化结果对照

项目对象模型 / 方式主要结果落地状态
AMD 旗舰 GPU IP经过多年打磨的 GPU 内核改写 SystemVerilog RTL,Synopsys 验证相对高度优化基准,最高 14% PPA 综合提升部分改动进入近期流片设计,其余进入后续量产设计文件
AMD 下一代旗舰 CPU关键模块模型撰写的设计方案个位数百分比 PPA 增益已由 AMD 验证
OpenAI Jalapeño 自研推理芯片向量计算单元、矩阵计算单元2025 年初起用 GPT-4o 辅助,后续模型迭代向量单元标准单元面积最高减约 13%,矩阵单元减约 10%;乘法器面积约减 15%、延迟 2 拍变 1 拍;加法器面积约减 15%已在真实硅片上验证;AI 辅助下从初版设计到流片约 9 个月
开源 RISC-V 评测Ibex、PicoRV32 等开源处理器多代模型对比测试,累计约 9881 次运行验证模型在端到端芯片设计任务上的能力演进;GPT-6.2 Astra 在受测模型中表现领先属于能力评测,不直接量产

五、为什么这件事被认为有标志意义

  • 从基准跑分走向流片:此前 AI 芯片设计多停留在玩具级电路或基准测试上;这次 AI 撰写的 RTL 进入了 AMD 可以投产的设计文件,是第一次 AI 生成电路代码随商用芯片送厂制造。
  • 在强基准上还能挖出空间:优化对标不是空白设计,而是 AMD 工程师打磨多年的成熟方案,模型仍能找到 PPA 改进点,说明 AI 不是只会 “捡漏”。
  • 闭环正在形成:AI 模型参与设计用来运行 AI 自身的硬件 —— 优化后的 GPU、CPU 反过来承担大模型训练和推理负载,硬件与软件协同迭代的循环开始转起来。
  • 工具链正在补齐:OpenAI 与 Synopsys 合作训练专用模型,把 AI 能力嵌入工程师日常使用的 EDA 设计、验证流程,而不是另起一套脱离行业工具的孤岛。

六、需要冷静看待的几点

  • 14% 是 PPA 综合收益,不等于实际 GPU 性能提升 14%:功耗、性能、面积各自贡献了多少,OpenAI 没有拆开公布;最终商用产品的实测性能还要看整机、软件栈和散热等因素。
  • 具体产品尚未确认:RDNA5、CDNA5、Zen6 等待发架构只是外界联想,AMD 和 OpenAI 都没有明确哪些产品会用上这些优化。
  • AI 不是替代工程师:流程中 EDA 验证、工程复核、流片后硅调测仍然由专业人员把关;AI 当前定位是在成熟设计基础上提出优化方案、压缩研发周期。
  • 评测口径存在边界:第三方分析指出,部分基于规格的得分可能因模型省略了性能计数器等对吞吐影响很小的功能而显得偏高,实际量产取舍仍需逐项核对功能完整性。

【相关 FAQ】

问题 1:这次 AI 造芯具体帮 AMD 做了什么,为什么说 5 个月干完了约一年的芯片研发活?

回答 1:OpenAI 的 AI 模型直接改写了 AMD 旗舰 GPU 内核的 SystemVerilog RTL 电路代码,在工程师已经高度优化的基准方案上取得最高 14% 的 PPA 提升;模型提出的电路重写方案经 Synopsys EDA 工具验证功能不变后,一部分已经进入 AMD 近期送厂流片的芯片设计,其余存入后续量产设计库。OpenAI 评估这部分工作的推进速度,相当于传统研发流程下大约一年的优化进展,在不到 5 个月内完成,所以称为 “5 个月干完约一年活”。

问题 2:AI 优化 AMD 芯片时改写的 RTL 是什么,改完之后怎么保证电路不出错?

回答 2:RTL 是用 SystemVerilog 等硬件描述语言写的代码,定义芯片电路如何做计算、怎么做控制、数据怎么搬运,是芯片设计最上游的一环。AI 模型提出电路重写方案后,并不是直接拿去流片,而是交给新思科技的专业 EDA 工具做功能验证,逐版确认改写后的模块对外行为和原设计一致;之后再评估功耗、性能、面积的取舍,通过验证的改动才由 AMD 工程师整合进设计文件,最后随芯片送厂流片。

问题 3:14% 的 PPA 提升到底意味着什么,能理解成 AMD GPU 性能直接提升 14% 吗?

回答 3:不能直接画等号。PPA 指功耗(Power)、性能(Performance)、面积(Area)三个维度的综合指标,14% 是这三个维度合并计算后的最高综合提升幅度,OpenAI 并没有公开功耗、性能、面积各自贡献了多少。实际 AMD GPU 产品跑起来的真实性能,还取决于电路最终版图、散热、软件驱动和整机调度等因素;哪些商用芯片会采用这些 AI 优化,目前 AMD 也没有正式确认。

问题 4:除了 AMD 的 GPU,这次 AI 造芯成果还在哪些芯片上得到了验证?

回答 4:除 AMD 旗舰 GPU 外,模型方案还在 AMD 下一代旗舰 CPU 的关键模块上验证到个位数百分比的 PPA 增益;在 OpenAI 自研的定制推理芯片 Jalapeño 上,向量单元标准单元面积最高缩减约 13%、矩阵单元缩减约 10%,部分乘法器、加法器电路面积约减 15%,并已在真实硅片上完成验证;此外团队还在 Ibex、PicoRV32 等开源 RISC-V 处理器上做了多轮评测,用来检验模型端到端芯片设计能力的演进。

问题 5:AI 现在能不能独立完成一颗芯片的设计和流片,后续工具链会怎么发展?

回答 5:现阶段还不能独立完成。这次落地的模式是 AI 在工程师已有成熟设计基础上提出 RTL 优化方案,再经过 EDA 验证、人工复核、流片和硅上调测等完整环节,AI 承担的是加速优化和方案探索的角色。后续 OpenAI 计划与 Synopsys 联合训练 GPT-Synopsys 专用模型,让 AI 能够像资深芯片工程师一样熟练调用专业 EDA 工具,完整覆盖芯片设计、验证流程;传统验证工具仍会继续用于核查 AI 生成的设计方案。

【参考资料】

[2026-11-21](《AI 造芯真能成!一年的活 5 个月干完:AMD 已经拿去送厂流片》)今日头条(转快科技 / 新浪财经)

[2026-11-19](《效率惊人!OpenAI 优化 AMD 旗舰 GPU 设计:5 个月干完 1 年活》)新浪财经

[2026-11-19](《OpenAI 总裁称其模型助力 AMD 在 5 个月内实现相当于一年的芯片研发进展》)今日头条(环球市场播报)

[2026-11-19](《OpenAI 亮出 AI 芯片设计成果:AMD 旗舰 GPU 获 14% PPA 提升,自研芯片面积减少 13%》)新浪财经

[2026-11-19](《OpenAI Models Boost AMD Chip Design Performance by 14% in Under Five Months》)SSBCrack News

[2026-11-19](《OpenAI's AI Optimized AMD GPU Circuits, Improving Power, Performance and Area by Up to 14%》)XenoSpectrum

[2026-11-19](《OpenAI's Models Redesigned AMD's Chip: How They Squeezed Out 14% PPA》)TeckDeck.io

[2026-11-19](《OpenAI AMD GPU Design Gains: 14% PPA Explained》)A47 News

[2026-11-18](《OpenAI Reports Model-Driven Gains in AMD Flagship Chip Designs》)Unite.AI

[2026-11-18](《Advancing chip design with OpenAI models》)OpenAI 官方技术报告

[2026-11-18](《OpenAI and AMD demonstrate concrete gains in chip design》)Fluidifia

[2026-11-18](《OpenAI Says Models Found 14% PPA Gains in AMD GPU Designs》)AI Weekly

【免责声明】

本文内容基于公开报道与 OpenAI 公开技术报告整理,仅供 AI 辅助芯片设计领域的技术科普与行业动态参考,不构成任何投资建议、采购建议或工程实施指导。文中涉及的 PPA 提升比例、面积缩减比例、研发周期等数据均来自相关企业公开披露或媒体转述,不同口径下的统计范围与评测条件存在差异;具体芯片产品的实际性能、功耗、面积及上市节奏,请以 AMD、OpenAI、Synopsys 等厂商官方规格书与后续正式发布信息为准。本文不对因依据本文内容做出的任何决策及其产生的直接或间接损失承担责任。

今日大家都在搜的词: