芯片设计这件事,正从「AI 帮忙提建议」变成「AI 上手改代码」。11 月 18 日,OpenAI 放出一份技术报告,标题叫《利用 OpenAI 模型推进芯片设计》。里面最抓眼的一条是:模型参与 AMD 旗舰 GPU 的电路设计,功耗、性能、面积这三项指标相对原有方案最高改善 14%。比数字更要紧的是后半句——AMD 已经把部分修改,放进了近期送交制造的设计。
这跟平时看到的「AI 写代码」不是一回事。软件代码写错了大不了回滚重跑,芯片设计里改的是硬件描述语言,一行 RTL 变动牵一发动全身,流片一次就是真金白银。模型能在这条链上留下痕迹,并且痕迹进了制造文件,才是这篇报告真正的分量所在。
14% 不是跑分:先把 PPA 这三个字母说清楚
先把口径摆正。PPA 是功耗(Power)、性能(Performance)、面积(Area)的缩写,是芯片设计里最核心的一组权衡指标:想要更省电、更快、还是更小,三者往往此消彼长。OpenAI 说的是综合口径最高改善 14%,并没有把功耗、性能、面积各自的贡献拆开告诉你,更没有点名是哪一款具体 GPU 受益。凤凰网的梳理也特意点出,14% 来自特定电路的设计对比,芯片整体能快多少、能省多少电,还得等相关产品实测。
所以别把 14% 直接当成「新一代显卡快了 14%」。海外硬件媒体 Wccftech 同样提醒,这个数字不等于整卡性能提升 14%,OpenAI 既没拆分指标,也没锁定受益产品;外界猜测可能涉及 RDNA5、CDNA5、Zen6 这些后续架构,但 AMD 一家都没确认,一切以官方口径为准。
换个角度看,这 14% 的含金量恰恰在于「已经很难再优化」。AMD 工程师在这些 IP 内核上打磨了多年,属于行业里被反复压榨过的成熟设计。在这种基线上还能挤出两位数百分比的改善,说明模型找到的是人眼容易漏掉的电路实现空间,而不是新手随便改改就能捡到的便宜。对普通用户来说,更现实的期待是:未来的 GPU 也许能在同样的功耗和面积下多一点性能,而不是立刻看到一张「性能暴涨」的显卡。
五个月干完一年的活:模型改的是 RTL 代码
模型具体干了什么?答案是直接重写 SystemVerilog RTL。RTL 是描述芯片电路怎么计算、怎么控制、怎么传递数据的硬件描述语言,跟写 App 的软件代码完全不是一套东西。OpenAI 让模型在这层做改动,等于让它碰电路架构本身,而不是在外围打转。
OpenAI 给出的说法是,这相当于在不到 5 个月里走完了大约一年才走得完的优化进度,并称模型对 RTL 的推理能力已经达到微架构设计专家的水平。这个判断来自 OpenAI 自述,我们可以当成一个强信号,但不必当成定论。真正值得琢磨的是对比对象:那些电路是 AMD 工程师投入数年反复打磨过的,模型仍能找出进一步改进的空间,这一点比「五个月」这个时间数字更说明问题。
还有个容易被忽略的细节:改动是用 Synopsys 的电子设计自动化(EDA)工具做的验证,确保电路功能跟原来等价。换句话说,模型不是天马行空地改,改完还得过工程界的正经校验关。这也解释了 OpenAI 为什么随后宣布跟 Synopsys 合作——把模型塞进工程师天天在用的 EDA 工具里,才是让它真正进入生产流程的路径。
从优化到流片:部分改动已经进了送厂设计
如果只停在报告里的对比数据,这件事顶多算一次漂亮的实验。但 AMD 已经把其中一部分改动,纳入了近期送交制造的设计,其余的则被存进量产设计文件,留给后续产品使用。这一步跨过去,性质就不一样了:它意味着 AI 的建议不是躺在论文里,而是真的走进了芯片制造流程。
合作也不只覆盖 GPU。OpenAI 提到,AMD 在下一代旗舰 CPU 的关键模块上,同样验证了模型带来的个位数百分比 PPA 提升。GPU 和 CPU 两条线一起推进,说明这套方法不是针对某款电路碰巧奏效,而是有一定通用性。
冷静的地方也得讲清楚。OpenAI 没有披露这些优化最终会落到哪款商用产品上,RDNA5、CDNA5、Zen6 都只是外界推测,AMD 尚未确认。芯片从设计定稿到消费者手里,还要经过验证、良率、成本一整串关卡,送厂不等于马上量产上市。把「部分修改已送厂」读成「AI 设计的芯片马上开卖」,就用力过猛了。
自研 Jalapeño 也在吃红利:面积实打实变小
给 AMD 帮忙之前,OpenAI 先在自己身上试了刀。早在 2025 年初,工程师就开始用 GPT-4o 辅助设计自研推理芯片 Jalapeño(哈拉佩尼奥),让它针对性能、功耗、面积提方案。早期模型就已经能在向量计算单元里,对浮点加法器、乘法器、转换函数、归约逻辑和特殊功能单元提出资源更省的实现方式。
具体到数字:一款乘法器重新设计后,综合出来的标准单元面积减少约 15%,运算延迟从两个时钟周期压缩到一个;另一款加法器方案在保持两个时钟周期延迟的同时,把标准单元面积也降了约 15%。拉到整个单元看,模型提出的改动让 Jalapeño 向量计算单元的标准单元面积减少约 13%,矩阵计算单元减少约 10%。
这些不是纸面估算。OpenAI 说,相关优化已经在 Jalapeño 芯片初始调试阶段通过实硅验证——也就是在真芯片上跑通了。对做芯片的人来说,「仿真里好看」和「硅片上成立」是两回事,后者才是硬通货。这条线比给 AMD 做优化更能说明问题:模型给出的方案,自己先用在量产级产品上验证过了。
OpenAI 还拿两款开源 32 位 RISC-V 内核做了对照测试,分别是面向 FPGA 场景的 PicoRV32 和用于安全芯片的 Ibex,累计跑了 9881 次计分测试。结果显示 GPT-6.2 Astra 平均分最优,优化 PicoRV32 时的得分约为 GPT-6 Astra 的两倍。报告也坦白了一个短板:从零开始设计时,模型会舍弃性能计数器这类对吞吐增益有限的配套功能,把分数抬高;如果严格要求功能完整、面积受控、还要过物理综合时序校验,成绩会更贴近真实量产场景。
网友评论
- 「14% 听着唬人,但说清了是 PPA 综合、不是整卡性能,等实测再说。不过芯片设计这种活能被 AI 插手,已经够夸张了。」
- 「最狠的不是五个月干完一年,是 AMD 真把改动塞进了送厂设计——这步迈过去,就不是 PPT 了。」
- 「Jalapeño 面积小了 13% 还过了实硅验证,这条比帮 AMD 优化更有说服力,自己用上的才是真落地。」
- 「别急着说工程师要失业,报告自己都写了从零设计会砍功能刷分,真量产还是得靠人把关。」
总结:AI 开始参与造给自己用的芯片
把这次的事放到一条线上看,轮廓就清楚了:AI 在帮人设计承载 AI 的芯片,闭环正在成形。过去两年的叙事是「算力不够,堆 GPU」,现在多了一层——用模型去改进 GPU 本身的设计方法。OpenAI 自己就是最典型的例子:一边烧着 GPU 训模型,一边拿模型回头优化芯片。
下一步也写在了报告里。OpenAI 宣布跟新思科技(Synopsys)联合训练 GPT-Synopsys 专用模型,目标是让 AI 熟练使用专业 EDA 工具,把芯片工程师的设计、验证流程完整跑下来。如果这一步做成,AI 在芯片设计里的角色会从「提建议的助手」往「能动手的工程师」再挪一格。
回到你我关心的现实:这次披露的数字值得记住,但没必要神化。14% 是特定电路在高度优化基线上的综合改善,口径由 OpenAI 自己给出,受益产品尚无定论;真正的进展是部分改动进了送厂设计、自研芯片过了实硅验证。对工程师来说,工具箱里多了一个能读懂 RTL 的协作者,这件事已经发生;对普通用户来说,什么时候能在货架上买到「AI 参与设计」的芯片,还得等产品说话。




