Résumé :
OpenAI a publié son dernier rapport technique "Advancing chip design with OpenAI models", révélant ses derniers progrès dans l'utilisation de modèles d'intelligence artificielle pour aider à la conception de puces. OpenAI a déclaré que son modèle a non seulement aidé la puce d'inférence d'IA auto-développée Jalapeño à optimiser la conception du circuit, mais a également permis d'améliorer jusqu'à 14 % les indicateurs de consommation d'énergie, de performances et de surface (PPA) des modules IP clés du GPU phare en coopération avec AMD.
. Certains résultats d'optimisation ont été intégrés dans des conceptions de puces récemment soumises à la fabrication par AMD.

OpenAI a déclaré que le modèle d'IA passe de l'assistance aux ingénieurs à l'écriture de code à une approche plus approfondie de la conception des circuits sous-jacents de la puce et de l'optimisation de la microarchitecture. Les résultats annoncés cette fois couvrent les puces IA auto-développées, les GPU phares d'AMD et les processeurs de nouvelle génération, ainsi que les conceptions de processeurs RISC-V open source.
En termes de puces auto-développées, OpenAI utilisera GPT-4o pour participer à la conception de Jalapeño à partir de début 2025. Même les modèles les plus anciens de l'époque pouvaient déjà trouver une marge d'optimisation dans le processus de conception de puces traditionnel.
Plus précisément, dans l'unité de calcul vectoriel de Jalapeño, le modèle d'IA réduit l'utilisation des ressources matérielles et les besoins de stockage de données intermédiaires en ajustant les additionneurs à virgule flottante, les multiplicateurs, la logique de conversion de données et les structures de pipeline. Dans l'unité de calcul matriciel, le modèle est repensé pour les opérations en virgule flottante et les circuits de produits scalaires de faible précision.
Parmi eux, une optimisation de la conception du multiplicateur réduit la surface de l'unité standard après synthèse d'environ
15 %
, tout en réduisant le délai de fonctionnement de deux cycles d'horloge à un cycle d'horloge. Une autre optimisation de l'additionneur permet également d'obtenir une réduction de surface d'environ 15 % tout en maintenant un délai de cycle de deux horloges.OpenAI estime que les modifications de conception proposées par le modèle d'IA ont finalement réduit la surface unitaire standard de l'unité vectorielle Jalapeño d'environ
13 %
, l'unité matricielle est réduite d'environ10 %
. Ces améliorations ont été confirmées lors de la vérification du débogage du silicium de la puce.Il convient de noter qu'OpenAI applique les capacités ci-dessus à la conception de puces commerciales d'AMD.
Selon les informations divulguées par OpenAI, les deux parties ont coopéré pour optimiser les modules IP clés du GPU phare d'AMD. Basé sur la conception originale hautement optimisée, le modèle OpenAI améliore encore les indicateurs de consommation d'énergie, de performances et de zone en réécrivant le code SystemVerilog RTL qui décrit le circuit de la puce. L'amélioration PPA de certaines conceptions atteint jusqu'à
14 %
.OpenAI a déclaré que cela équivaut à terminer des progrès de conception qui prendraient normalement environ un an en moins de cinq mois.
AMD a appliqué certaines optimisations aux conceptions de puces récemment soumises à la fabrication, et d'autres améliorations ont été intégrées aux documents de conception de production et sont prévues pour les versions futures.Dans le même temps, AMD a également vérifié les résultats d'optimisation du modèle OpenAI dans les modules clés du processeur phare de nouvelle génération, et la conception associée a atteint un pourcentage d'amélioration à un chiffre dans les indicateurs PPA.
OpenAI a déclaré que son modèle était capable d'analyser le code RTL d'une manière proche de celle d'un ingénieur senior en microarchitecture, et de proposer des modifications à la logique informatique, aux circuits de contrôle et aux structures de transmission de données. Le modèle exploite également les outils d'automatisation de la conception électronique de Synopsys pour vérifier que les modifications conservent la fonctionnalité d'origine et évaluer les compromis en termes de puissance, de performances et de surface des différentes conceptions.
En plus du projet de puce lui-même, OpenAI a également évalué les capacités de conception de puces de différents modèles de génération via deux cœurs de processeur RISC-V 32 bits open source PicoRV32 et Ibex.
Le test comprend deux types de tâches : l'une consiste à optimiser le débit du processeur en fonction de la conception RTL existante, et l'autre consiste à générer la conception RTL du processeur à partir de zéro conformément aux exigences de spécification du texte.
Les résultats montrent qu'avec un budget comparable d'environ 112 000 jetons par exécution,
GPT-6.2 Astra a obtenu le score moyen le plus élevé dans les tâches d'optimisation RTL des deux cœurs de processeur
. Parmi eux, au test PicoRV32, son score moyen est environ le double de celui du GPT-6 Astra.Plus particulièrement, dans la tâche de génération de conceptions RTL directement à partir de spécifications textuelles, les cinq modèles testés ont obtenu de meilleurs résultats sur les deux processeurs que dans la tâche d'optimisation des conceptions existantes. GPT-6.2 Astra a obtenu un score normalisé moyen supérieur à 0,7 au test PicoRV32 et d'environ 0,75 au test Ibex.
Cette évaluation comprenait un total de
9 881 exécutions de notation
, couvrant différents modèles, tâches, cœurs de processeur et budgets de jetons.Cependant, OpenAI a également souligné que ces tests présentent encore des limites. Étant donné que les modèles peuvent omettre des fonctionnalités telles que des compteurs de performances ou des instructions supplémentaires lors de la refonte d'un processeur à partir des spécifications, un score plus élevé ne signifie pas nécessairement que la nouvelle conception sera tout aussi avantageuse dans les produits réels. À l’avenir, il faudra encore ajouter des exigences fonctionnelles plus strictes, des restrictions de zone de puce et des contrôles de synchronisation après la synthèse physique.
Dans l'étape suivante, OpenAI a annoncé sa coopération avec le fabricant de logiciels de conception de puces Synopsys, et le nom de la formation est
GPT-Synopsys
Le nouveau modèle lui permet d'utiliser des outils d'automatisation de la conception électronique (EDA) comme les ingénieurs professionnels de conception de puces, améliorant ainsi encore les capacités d'application de l'IA dans le processus de conception et de vérification des puces.À en juger par les résultats divulgués cette fois, OpenAI tente d'établir un ensemble de voies techniques qui utilisent l'IA pour optimiser les puces, puis utilisent des puces plus efficaces pour prendre en charge le fonctionnement des modèles d'IA. Cependant, les principaux résultats annoncés jusqu'à présent se concentrent toujours sur des modules de calcul et des tâches d'évaluation spécifiques, et ne peuvent pas être directement assimilés à la même proportion d'amélioration des performances pour l'ensemble du GPU ou du CPU.
Commentaires