先说结论:OpenAI 已经把自家大模型直接用进了芯片设计的真实流程里,而且拿到了能流片、能上量产文件的实打实收益。2026 年 11 月 18 日,OpenAI 发布《Advancing chip design with OpenAI models》一文,披露其模型在 AMD 旗舰 GPU IP 上,相对已经被人类工程师反复打磨过的深度优化基准,PPA(功耗 Power、性能 Performance、面积 Area)最高提升 14%;整个过程不到 5 个月,相当于人类工程师约一年的研发进度。与此同时,OpenAI 自研推理芯片 Jalapeño 的向量单元标准单元面积缩减约 13%、矩阵单元缩减约 10%,这些优化已经在流片调试阶段经过硅片验证。AMD 下一代旗舰 CPU 的关键模块上,也由模型写出的设计拿到了个位数百分比的 PPA 收益并经 AMD 复核确认。换句话说,OpenAI 模型在芯片设计里不再只是 "写代码助手",而是开始在微架构层面参与电路优化,产出的方案能进入真实量产链路。
一、为什么 OpenAI 模型能在芯片设计上把 PPA 做上去
芯片设计的 PPA 是一个互相打架的三角:想性能更高,往往要牺牲面积或功耗;想面积更小,可能又拖慢时序。过去这块主要靠资深微架构师和 RTL(寄存器传输级)工程师凭经验反复试错,周期长、成本高。OpenAI 模型切入的正是这个高复杂度、强迭代的环节,能出收益主要靠下面几点:
- 模型能读懂并重写 RTL 代码:OpenAI 观察到,模型已经能达到资深微架构师的推理水平,可以重写负责运算、控制操作和数据搬运的电路代码(SystemVerilog RTL),而不只是做语法补全。
- 工具链闭环验证,不靠模型 "拍脑袋":模型每改一版电路,都会调用 Synopsys(新思科技)的 EDA 工具验证行为是否保持一致,并评估功耗、性能、面积之间的取舍,确保改动功能不出错。
- 探索空间比人工更宽:模型会同时尝试多种逻辑实现方案、计算在流水线各级之间的划分方式、硬件复用机会以及中间存储的压缩,把人工容易漏掉的边角优化挖出来。
- 两代场景都跑通了:一是在成熟量产设计(Jalapeño、AMD 旗舰 GPU/CPU)上做增量优化;二是在 RISC-V 评估任务中探索全新处理器架构,说明能力不局限于 "在旧代码上打补丁"。
二、三个真实项目里,PPA 提升具体是怎么来的
1. 与 AMD 合作:旗舰 GPU IP 最高 PPA 提升 14%
- 基准版本是 AMD 工程师已经优化多年的设计,模型在此基础上重写电路代码,最高拿到 14% 的 PPA 改善。
- 时间投入:不到 5 个月完成约一年的人工研发工作量。
- 落地状态:部分改动已进入 AMD 近期送厂流片的设计;其余方案被纳入量产设计文件,用于后续版本。
- CPU 侧:AMD 下一代旗舰 CPU 的关键模块,使用模型写出的设计,复核确认了个位数百分比的 PPA 收益。
2. 自研推理芯片 Jalapeño:面积缩减已过硅片验证
OpenAI 从 2025 年初就开始用 GPT-4o 辅助设计首款自研推理芯片 Jalapeño,模型提出的修改方案带来的面积收益如下:
| 模块 | 优化内容 | 面积变化 | 其他指标 |
|---|---|---|---|
| 向量单元(warp engine,管理并行计算任务) | 浮点加法器、乘法器、转换函数、归约逻辑、特殊函数单元的逻辑实现与流水线划分优化 | 标准单元面积约 -13% | 硅片验证通过 |
| 矩阵单元(算术部件) | 浮点加法器、乘法器、低精度点积电路、点积逻辑与流水线组织优化 | 标准单元面积约 -10% | 硅片验证通过 |
| 矩阵单元乘法器重设计 | 逻辑实现重构 | 综合面积约 -15% | 延迟从 2 个时钟周期降到 1 个 |
| 矩阵单元加法器重设计 | 逻辑实现重构 | 单元面积约 -15% | 保留 2 周期延迟 |
3. RISC-V 开源核评估:五代模型横向对比
为了衡量模型在端到端芯片设计任务上的能力,OpenAI 在两款开源 32 位 RISC-V 核(PicoRV32、Ibex)上对五代模型做了评估,整套评估共完成 9881 次打分运行:
- 参与模型:GPT-6.2 Astra、GPT-6 Astra、GPT-6.1 Sol、GPT-5.6 Sol、GPT-5.5。
- 评估口径:未通过仿真校验,或面积超过原始核 16 倍的设计计 0 分;通过后用模型没见过的测试负载测每时钟周期指令数(IPC),结合 Yosys 估算的最高时钟频率折算每秒指令数。
- 同等 token 预算(约 11.2 万 token / 次)下:GPT-6.2 Astra 在两款核上平均分均最高;GPT-6.1 Sol 两款核得分都高于 GPT-5.6 Sol。
- 从零设计 vs 优化旧设计:五款模型基于书面需求从零设计处理器核的得分,均高于在已有 RTL 上做优化的得分。需要注意,从零设计时模型可以省略原核自带的性能计数器、额外指令等特性,这部分分数可能高估完整设计能力。
三、模型参与芯片设计的基本工作流程
结合 OpenAI 披露的做法,模型在芯片设计中的介入路径可以拆成下面几步,方便理解这套 AI 造芯是怎么跑起来的:
- 给定设计目标:向模型提供现有硬件描述代码(或书面需求与接口模板),明确要提升吞吐率、面积、功耗等哪一类指标。
- 模型提出 RTL 改动:模型分析微架构,重写运算、控制、数据搬运相关电路,调整流水线划分和硬件复用方式。
- EDA 工具验证行为一致性:调用 Synopsys 工具做仿真与校验,确认改动后模块功能没有变;校验失败的方案直接淘汰。
- PPA 权衡评估:在通过功能校验的方案里,评估功耗、性能、面积的取舍,对照基准版本量化收益。
- 人工复核与落地:收益方案交由芯片团队复核,成熟后进入流片设计或量产设计文件;后续再基于反馈迭代模型。
- 能力沉淀到专用模型:OpenAI 与新思科技合作开发 GPT-Synopsys 专用模型,让模型像资深设计师一样学习使用 EDA 工具、解读工具输出并反复迭代优化 PPA。
四、后续走向与需要留意的边界
从 OpenAI 公布的路线看,GPU 和 CPU 上相对最优化基准的 PPA 改善还会继续往上做;与 Synopsys 的合作则是把模型能力接入工程师日常使用的 EDA 设计与验证工具链,而不是另起一套封闭流程。但也要看到几点边界:目前披露的收益主要集中在模块级 RTL 优化和特定评估任务上;从零设计的高分部分来自省略了原核特性;模型产出仍需经过 EDA 验证和工程师复核才能进入流片,AI 暂时是芯片设计的强力助手,还没有替代资深工程师。
【常见问题】
问题 1:OpenAI 模型在芯片设计里拿到的 PPA 提升具体是多少?
回答 1:在与 AMD 合作的旗舰 GPU IP 上,OpenAI 模型相对深度优化基准最高实现 14% 的 PPA 提升;自研芯片 Jalapeño 的向量单元面积缩减约 13%、矩阵单元约 10%;AMD 下一代旗舰 CPU 关键模块则是个位数百分比的 PPA 收益。这些芯片设计成果中,Jalapeño 的优化已通过硅片验证,部分 AMD 改动已进入流片或量产文件。
问题 2:OpenAI 模型是怎么参与芯片设计、把 PPA 做上去的?
回答 2:模型直接分析并重写描述芯片电路的 SystemVerilog RTL 代码,调整运算、控制和数据搬运电路的逻辑实现与流水线划分,再用 Synopsys 的 EDA 工具验证功能一致性、评估功耗、性能和面积取舍,确认 PPA 收益后再交人工复核落地。整个芯片设计流程是 "模型提方案 — 工具链验证 — 量化 PPA— 人工把关" 的闭环。
问题 3:OpenAI 模型在 RISC-V 芯片设计评估中表现如何,哪款模型 PPA 相关得分最高?
回答 3:OpenAI 在 PicoRV32 和 Ibex 两款开源 RISC-V 核上评估了 GPT-6.2 Astra、GPT-6 Astra、GPT-6.1 Sol、GPT-5.6 Sol、GPT-5.5 五代模型。同等约 11.2 万 token 预算下,GPT-6.2 Astra 在两款核上平均分最高,是这批芯片设计评估里 PPA / 吞吐表现最好的模型;GPT-6.1 Sol 得分也高于 GPT-5.6 Sol。
问题 4:OpenAI 模型优化出的芯片设计方案,能不能直接量产?
回答 4:不能直接跳过验证环节。模型提出的芯片设计改动必须先通过 EDA 工具的功能校验和 PPA 权衡评估,再经 AMD 等合作方复核确认。目前 AMD 已把部分 OpenAI 模型参与优化的改动放进近期送厂流片的设计,其余纳入量产设计文件留给后续版本,说明方案达到了落地标准,但前提仍是完整的验证与人工把关。
问题 5:OpenAI 和 Synopsys 合作的 GPT-Synopsys,对芯片设计 PPA 优化有什么作用?
回答 5:GPT-Synopsys 是 OpenAI 与新思科技联合开发的芯片设计专用模型,目标是让模型像资深工程师一样熟练使用 Synopsys 的 EDA 工具,自己解读工具输出、反复迭代设计方案,从而在芯片设计中持续优化功耗、性能和面积(PPA)。2026 年 9 月 30 日双方签署多年期协议,目前早期客户对接已经在推进中。
【参考资料】
- [2026-11-19](14% 收益提升!OpenAI 用 AI 造芯,5 个月完成人工 1 年工作量,Astra 领跑)新浪财经
- [2026-11-19](OpenAI says its models found up to 14% PPA gains on AMD's GPU)Sulat News
- [2026-11-19](14% 收益提升!OpenAI 用 AI 造芯,5 个月完成人工 1 年工作量,Astra 领跑)今日头条
- [2026-11-18](Advancing chip design with OpenAI models)OpenAI
- [2026-11-18](OpenAI Reports Model-Driven Gains in AMD Flagship Chip Designs)Unite.AI
- [2026-11-18](OpenAI models find up to 14% PPA gains on AMD GPU designs)The Circuitry
- [2026-09-30](OpenAI and Synopsys Announce GPT-Synopsys: Frontier Intelligence to Revolutionize Chip Design)Synopsys
- [2026-09-30](新思科技携手 OpenAI 发布 GPT-Synopsys,以前沿智能重塑芯片设计)新思科技
- [2026-08-25](Jalapeño's first results show industry-leading speed and efficiency in AI inference)OpenAI
【免责声明】
本文内容基于公开网络资料整理,所涉 OpenAI 模型芯片设计 PPA 提升数据、合作进展及评估结果均来自上述参考资料披露口径,可能随后续官方更新而变化。文中提及的产品、模型、芯片及企业名称仅用于事实陈述,不构成任何投资建议、采购建议或技术选型承诺;芯片 PPA 收益受具体工艺、模块、测试负载和验证环境影响,不可直接套用到其他设计场景。如需用于正式决策,请以 OpenAI、AMD、Synopsys 等官方发布的原始文件为准。
