OpenAI giúp AMD tối ưu hóa chip thế hệ mới nhờ sức mạnh AI
OpenAI vừa tiết lộ mốiο quan hệ hợp tác với AMD, sử dụng các mô hình AI để tối ưu hóa thiết kế GPU và CPU sắp ra mắt. Giải pháp này giúp cải thiện tới 14% chỉ số PPA cho GPU và rút ngắn đáng kể thời gian thiết kế phần cứng.

OpenAI vừa tiết lộ những chi tiết mới về mối quan hệ đối tác đang diễn ra với AMD, trong đó các kỹ sư đã sử dụng các mô hình AI chưa được tiết lộ để giúp tối ưu hóa thiết kế GPU và CPU chủ lực sắp ra mắt của nhà sản xuất phần cứng này. Các nhân tố hàng đầu là cải tiến tới 14% PPA (công suất, hiệu suất và diện tích) cho mạch GPU và mức cải tiến PPA một chữ số chưa được xác định trên bộ vi xử lý.
OpenAI cho biết mô hình của họ đã phát hiện ra "các cải tiến hơn nữa bằng cách viết lại mã mô tả các mạch của con chip". Công việc này được thực hiện bằng SystemVerilog RTL, ngôn ngữ thường được sử dụng cho thiết kế chip cao cấp. Công ty này tuyên bố rằng các nỗ lực tối ưu hóa của các mô hình của họ tương đương với việc cô đọng một năm công việc thiết kế chip thông thường thành "dưới 5 tháng" - một áp lực thời gian mà họ cho là chưa từng có trong lĩnh vực này.
Hơn nữa, OpenAI cho biết mô hình của họ đang suy luận trên RTL "ở cấp độ của một kiến trúc sư vi mô chuyên nghiệp", và họ kỳ vọng sẽ ép thêm các cải tiến PPA trong cả thiết kế GPU và CPU, tăng từ mức cơ sở đã được cải thiện hiện nay.
Đây không phải là lần đầu tiên AI làm việc trên các con chip. Nó đã làm việc với Broadcom để thiết kế OpenAI Jalapeño, một con chip hướng tới suy luận đã chạy các khối lượng công việc thực tế với các mẫu kỹ thuật từ tận tháng 6 năm 2026.
Công ty dự kiến sẽ có các đợt triển khai Jalapeño ban đầu nhỏ vào khoảng cuối năm 2026 và ghim một đợt triển khai rộng hơn vào năm 2027. Các điểm chuẩn thử nghiệm đã ra mắt một thời gian, hiển thị mức tiết kiệm tuyệt vời về mức tiêu thụ điện năng và độ trễ tổng thể so với các GPU Nvidia Blackwell dẫn đầu thị trường trong các khối lượng công việc dự đoán mã thông báo đơn.
Bài đăng trên blog cũng giải thích cách sự nhạy bén trong thiết kế chip của GPT tiến hóa như thế nào. Các nhà nghiên cứu đã thử nghiệm các LLM cao cấp của họ bằng cách yêu cầu chúng cải thiện các lõi chip PicoRV32 và Ibex. Các mô hình được cấp 112.000 mã thông báo cho mỗi lần chạy và được yêu cầu tối ưu hóa thông lượng (sự kết hợp giữa số hướng dẫn trên mỗi chu kỳ và thời gian chu kỳ đồng hồ), đồng thời chấm điểm kết quả.
Một điểm số không tròn trĩnh được đưa ra nếu các con chip không hoạt động hoặc sử dụng diện tích gấp hơn 16 lần diện tích trước đó và 1.0 được trao cho các thiết kế tốt nhất theo các ràng buộc thử nghiệm. Thử nghiệm cũng không cho các mô hình biết các khối lượng công việc mà các con chip sẽ được sử dụng. Đúng như dự đoán, GPT-6.2 Astra có màn thể hiện tốt nhất cho đến nay, trên cả hai trục: cả chi phí tổng thể thấp nhất và điểm số tối ưu hóa cao nhất.
Một thử nghiệm thứ hai cũng tiết lộ một thực tế thú vị nhưng không có gì đáng ngạc nhiên: các mô hình cung cấp kết quả tốt hơn khi về cơ bản thiết kế lại các con chip theo thông số kỹ thuật ban đầu của chúng, thay vì tối ưu hóa mã hiện có.
Hiện chưa có thông tin về việc các nhà khoa học có sử dụng các phiên bản GPT chưa được sửa đổi để thực hiện công việc này hay không. Các LLM cao cấp dành riêng cho từng tác vụ vẫn tồn tại cho những ai đủ khả năng chi trả và bản thân OpenAI cho biết họ đang làm việc với Synopsys để đào tạo GPT-Synopsis, một mô hình sử dụng các công cụ thiết kế chip.
Nguồn: Tom's Hardware · Bản dịch tiếng Việt của VGSNews, chỉ để tham khảo.