Aktualności, narzędzia i prawo AIPolska · codziennie
Biznes

OpenAI i AMD. Modele GPT poprawiły projekt GPU o 14 proc.

Według OpenAI modele GPT przepisały fragmenty projektu flagowego GPU AMD i poprawiły jego parametry nawet o 14 proc. Część zmian trafiła już do produkcji.

Siwowłosa inżynierka i młodszy brodaty kolega analizują na dużym monitorze kolorowy plan układu scalonego i przebiegi sygnałów, na biurku leży krzemowy wafel i płytka testowa, za oknem europejskie kamienice i wieża kościoła
Ilustracja redakcyjna dailyAI

OpenAI opublikowało 18 listopada 2026 roku wyniki prac, w których jego modele AI pomagały projektować chipy. Najważniejsza informacja dotyczy AMD. Według OpenAI model przepisał fragmenty opisu sprzętowego flagowego procesora graficznego AMD i poprawił jego parametry nawet o 14 proc. względem mocno zoptymalizowanej wersji bazowej. Firma szacuje, że to postęp odpowiadający mniej więcej rokowi pracy, osiągnięty w niecałe pięć miesięcy. AMD umieściło część zmian w projekcie, który wysłało już do produkcji. Wszystkie dane pochodzą od OpenAI i nie zostały niezależnie zweryfikowane.

Co OpenAI zrobiło z projektem GPU AMD

Model OpenAI pracował na kodzie SystemVerilog RTL, czyli tekstowym opisie obwodów, z którego powstaje fizyczny projekt chipa. Przepisywał układy wykonujące obliczenia, sterujące pracą i przenoszące dane. Każdą zmianę sprawdzał narzędziami Synopsys, aby potwierdzić, że blok działa tak samo jak wcześniej, i ocenić kompromis między poborem mocy, wydajnością i powierzchnią.

Wynik to do 14 proc. poprawy PPA w bloku IP flagowego GPU AMD. Punktem odniesienia był projekt, który inżynierowie AMD optymalizowali od lat. OpenAI pisze, że model rozumował o RTL na poziomie doświadczonego mikroarchitekta. To ocena samej firmy, a w publikacji nie podano, którego konkretnie układu AMD dotyczą zmiany.

AMD sprawdziło też projekty napisane przez model w przyszłym flagowym procesorze CPU. Według OpenAI producent potwierdził poprawę PPA o kilka procent w kluczowych blokach tego układu. Szczegółowych liczb dla CPU nie podano.

Jak modele pomogły przy chipie Jalapeño

Jalapeño to pierwszy własny chip OpenAI do inferencji, czyli uruchamiania gotowych modeli. Firma używa modeli AI przy jego projektowaniu od początku 2025 roku, gdy dostępny był jeszcze GPT-4o. Zmiany zaproponowane przez modele zostały potwierdzone w krzemie podczas uruchamiania pierwszych egzemplarzy układu.

  • Jednostka wektorowa - powierzchnia komórek standardowych mniejsza o ok. 13 proc. dzięki zmianom w sumatorach, mnożnikach, funkcjach konwersji i logice redukcji.
  • Jednostka macierzowa - powierzchnia mniejsza o ok. 10 proc. dzięki zmianom w sumatorach, mnożnikach i układach iloczynu skalarnego niskiej precyzji.
  • Jeden przeprojektowany mnożnik - ok. 15 proc. mniej powierzchni i opóźnienie skrócone z dwóch cykli zegara do jednego.
  • Jeden przeprojektowany sumator - ok. 15 proc. mniej powierzchni przy zachowaniu opóźnienia dwóch cykli.

Test na otwartych rdzeniach RISC-V

Aby porównać kolejne generacje modeli, OpenAI użyło dwóch otwartych 32-bitowych rdzeni RISC-V. PicoRV32 to kompaktowy rdzeń dla układów programowalnych FPGA, a Ibex działa jako procesor wbudowany w projekcie bezpiecznego chipa OpenTitan. Modele miały zwiększyć przepustowość rdzenia, czyli liczbę instrukcji wykonywanych na sekundę. Projekt dostawał zero punktów, jeśli nie przeszedł symulacji albo był ponad 16 razy większy od oryginału.

Przy budżecie ok. 112 tys. tokenów na próbę najwyższy średni wynik na obu rdzeniach uzyskał GPT-6.2 Astra. Na PicoRV32 jego wynik był mniej więcej dwukrotnie wyższy niż GPT-6 Astra. W drugim zadaniu modele projektowały rdzeń od zera na podstawie specyfikacji i wszystkie wypadły lepiej niż przy poprawianiu gotowego projektu. Łącznie OpenAI oceniło 9881 prób.

Firma sama wskazuje ograniczenia tego testu. Projektując od zera, modele mogły pominąć funkcje oryginalnych rdzeni, takie jak liczniki wydajności czy dodatkowe instrukcje, co mogło zawyżyć wynik. Test nie sprawdzał też zależności czasowych po syntezie fizycznej, które w prawdziwym projekcie są obowiązkowe.

Czego nie wiadomo

Wszystkie liczby pochodzą z publikacji OpenAI. Firma nie udostępniła zmienionych projektów ani pełnej metodologii pomiaru dla układów AMD, a wyniki nie przeszły niezależnej recenzji. Nie wiadomo też, który model OpenAI pracował przy GPU AMD, ile kosztowały obliczenia ani jaki był udział inżynierów AMD w ocenie i wdrażaniu zmian.

Kilkanaście procent poprawy w jednym bloku nie przekłada się wprost na tyle samo szybszy lub tańszy chip. Ostateczny efekt zależy od tego, jaką część układu stanowią zmienione bloki i jak zmiany zachowają się w procesie produkcyjnym. Pierwsze produkty AMD z poprawkami nie zostały jeszcze nazwane.

Co to oznacza dla rynku i polskich firm

Publikacja wpisuje się w strategię OpenAI, które chce mieć wpływ na sprzęt, na którym działają jego modele. Firma rozwija własny układ Jalapeño, kupuje moc obliczeniową na procesorach AMD Instinct i razem z Synopsys trenuje GPT-Synopsys, model do samodzielnej obsługi narzędzi EDA, czyli oprogramowania do projektowania i weryfikacji chipów. Wyniki z AMD są argumentem, że takie narzędzia mogą skrócić cykl rozwoju układów, który dziś trwa latami.

Dla polskich zespołów projektowych to sygnał, że praca inżyniera coraz częściej będzie polegać na zadawaniu celów i weryfikacji propozycji modelu. W naszej ocenie najwięcej mogą zyskać mniejsze firmy, którym brakuje ludzi do żmudnej optymalizacji bloków. W Polsce działa m.in. gdańskie centrum Synopsys, a startupy mogą korzystać z unijnej platformy projektowania chipów i polskiego centrum kompetencji InnoSemi. OpenAI nie podało, kiedy i na jakich warunkach podobne możliwości będą dostępne dla klientów zewnętrznych.

Źródła i data sprawdzenia

  1. Advancing chip design with OpenAI modelsOpenAI, publikacja: 2026-11-18, sprawdzono: 2026-11-18
  2. OpenAI says its models delivered a year's worth of chip optimization on top of AMD's own engineeringTHE DECODER, publikacja: 2026-11-18, sprawdzono: 2026-11-18
Nota redakcyjna

Artykuł ma charakter informacyjny. Przy decyzjach prawnych, finansowych lub organizacyjnych warto zweryfikować wnioski w odniesieniu do konkretnej sytuacji.