AI 设计芯片:OpenAI 让 Jalapeño 面积缩 13% 与 9881 次实测

一句话结论:OpenAI 在 2026 年 11 月 18 日公开了自家推理芯片 Jalapeño 的 AI 辅助设计成果,模型把向量单元标准单元面积压低 13%、矩阵单元压低 10%,并为 AMD 旗舰 GPU IP 带来最高 14% 的功耗性能面积综合增益,而在 9881 次计分的 RISC-V 评测中,新一代模型 GPT-6.2 Astra 的表现约为上一代 GPT-6 Astra 的两倍。

这篇官方工程博客把一个流传已久的问题摆到了台面上:AI 到底能不能真的做芯片设计,而不只是写代码。给出的答案带着具体数字,且这些数字已经在硅片点亮环节验证过。

三组面积数字,来自一颗自研推理芯片

Jalapeño 是 OpenAI 首款定制推理芯片。项目从 2025 年初开始用 GPT-4o 参与计算模块设计,2026 年 8 月分享过首批结果,这次的博客把后续进展摊开讲。

改动对象 面积变化 延迟变化 改了什么
向量单元整体 减少约 13% 未单列 浮点加法器、浮点乘法器、转换函数、reduction 逻辑、特殊功能单元、流水线阶段切分、共享硬件、削减中间存储
矩阵单元整体 减少约 10% 未单列 浮点加法器与乘法器、低精度点积电路、点积逻辑、流水线组织
乘法器重设计 减少约 15% 2 周期降到 1 周期 替代逻辑实现
加法器重设计 减少约 15% 保持 2 周期 替代逻辑实现

向量单元负责管理和执行并行计算,矩阵单元负责算术,两者都是推理负载的主要面积消耗点。乘法器同时拿到面积和延迟双收益,加法器则守住延迟不变的前提去压面积,这类改动如果由人力完成,需要同时理解电路结构、时序约束和工艺库规则三件事。官方提到模型能够探索替代逻辑实现、重新划分流水线阶段、重写 SystemVerilog RTL 描述,并覆盖功耗、性能、面积三个维度,也就是业内常说的 PPA。

这些改动已在 Jalapeño 的硅片点亮过程中验证过,属于流片之后回读的实测数据,不停留在仿真阶段。

AMD 合作:14% PPA 与不到 5 个月

和 AMD 的合作把这套方法推向了两条真实产品线。官方披露,针对 AMD 旗舰 GPU IP,模型相对高度优化的基线设计实现了最高 14% 的 PPA 改善;针对 AMD 下一代旗舰 CPU,在关键模块上验证出了个位数百分比的 PPA 增益。GPU 与 CPU 的具体商业型号都没有披露。

工程进度那一句更值得记:这段进展相当于约一年的工程量,实际用时不到五个月。落地状态也已经分了两段,部分改动被放进 AMD 最近送交制造的设计中,其余进入 production design files 留给后续版本。

方法上有个关键点:模型重写的是描述电路的 SystemVerilog RTL 代码,改完之后用 Synopsys 的 EDA 工具验证每次重写保持了模块原有行为,并评估功耗、性能、面积之间的取舍。这正是它能进入流片流程的前提,任何 PPA 收益都要先过行为等价这一关。想理解这类专用推理硬件在真实采购中的成本结构,可以对照站内 DEEPX DX-M2 边缘 AI 芯片选型实测 和 英伟达 Rubin HPC 怎么选。

RISC-V 评测怎么算分:9881 次运行的方法学

评测用的两个开源处理器设计是 PicoRV32 和 Ibex。PicoRV32 是面向 FPGA 的紧凑型核心,Ibex 是 OpenTitan 安全芯片用的嵌入式处理器,两者都属于嵌入式与微控制器级负载。

评分规则是这个评测最该看的部分,OpenAI 把三道关卡写得很清楚。第一关是正确性,对每个设计做仿真检查,输出不通过直接记 0 分。第二关是面积,设计面积超过原核心 16 倍同样记 0 分。第三关才是吞吐量,在对模型隐藏的工作负载上测每时钟周期指令数,取几何平均,再用 Yosys 估算最大时钟频率,两者相乘得到预计的每秒指令数。所有结果按同一约束下观察到的最佳吞吐量归一化为 1.0。

评测维度 具体设定 作用
正确性 仿真检查不通过记 0 分 防止用错误设计换吞吐
面积上限 超过原核心 16 倍记 0 分 防止暴力堆资源
吞吐量 隐藏工作负载 IPC 几何平均 × Yosys 频率估计 同时惩罚周期变长与频率变低
归一化 同约束下最佳值记为 1.0 跨核心可比
预算 约 112000 token / 次运行 控制推理成本可比
总规模 9881 次计分运行 两项任务 × 两个核心 × 全部预算

吞吐量这个指标的设计值得留意。一个修改可能让核心用更少的时钟周期完成一条指令,也可能反而拉长了每个时钟周期本身,单看 IPC 会漏掉后者,所以官方把它和频率估计乘起来才算每秒指令数。这比只看 IPC 更接近芯片的真实性能。

模型代际差多少:112000 token 预算下的倍数

参与比较的模型包括 GPT-6.2 Astra、GPT-6.1 Sol、GPT-5.6 Sol 与 GPT-6 Astra,官方提到一共比较了五个模型但没有列全第五个的名字。在约 112000 token 每次运行的相近预算下,GPT-6.2 Astra 在 PicoRV32 和 Ibex 两个核心上的平均分都是最高的,GPT-6.1 Sol 在两个核心上也都高于 GPT-5.6 Sol。

模型 PicoRV32 优化任务 Ibex 优化任务 相对上一代
GPT-6.2 Astra 约 112000 token 时平均分最高,约为 GPT-6 Astra 的两倍 平均分在更高预算区间继续上升 领先
GPT-6.1 Sol 高于 GPT-5.6 Sol 接近 GPT-6 Astra 领先 GPT-5.6 Sol
GPT-5.6 Sol 基线 基线 被 Sol 系列超越
GPT-6 Astra 约为 Astra 2.2 的两倍 与 GPT-6.1 Sol 结果接近 落后于 6.2

两个核心的结论一致,模型代际的差距在芯片设计这种长链条任务上被放大到了可观的量级。同一套评测框架下的横向对比,可以再看站内 Gemini 4 Hydrogen 的智能指数与 Terminal-Bench 表现,两类任务的可比性差别很大。

从零设计反超改现有:0.7 与 0.75 的反直觉结论

第二项任务更激进。模型只拿到书面的功能要求和一段说明核心如何接进系统的开源代码模板,然后自己决定数据怎么流过核心、工作怎么切分到不同流水线阶段。内存与缓存设置、正确性检查和吞吐量目标都与优化任务保持一致。

结果有点反直觉。五个模型在从规格设计任务上的得分,全部高于它们各自在优化现有设计任务上的得分。GPT-6.2 Astra 在 PicoRV32 上的平均分约为 0.7,在 Ibex 上约为 0.75,两条曲线在更大的共同预算区间里都保持在其他模型之上。

官方给出的解释很直接:从规格开始设计时,模型可以省略原核心中的部分功能,比如性能计数器和额外指令,这些功能在测试工作负载里对吞吐量的贡献很小,得分差异里有一部分来自这里。要让这个任务真正贴近生产级芯片设计,就得强制保留这些功能,加上更严的电路面积上限,并且在物理综合之后检查时序。

这也是整篇材料里最该被记住的一段。分数高不等于芯片更好,评测任务怎么定义,直接决定了结论长什么样。

GPT-Synopsys 与还没说的部分

下一步是把这套能力接到真实工具链上。OpenAI 与 Synopsys 合作训练 GPT-Synopsys,目标是让模型以芯片专家的方式操作现有的 EDA 工具,把模型能力和可信验证流程结合起来,扩展它能处理的芯片设计挑战类型。

没说的部分同样值得记。这篇材料没有披露 GPU 小时数,没有给出准确率百分比,也没有公布 Jalapeño 的工艺节点、功耗绝对值和频率绝对值。指标体系是面积、PPA、延迟和归一化吞吐量,跟准确率是两套口径,不能互相换算。AMD 送交制造的芯片型号也未公开。模型能不能独立完成一个流片级项目,从这些数据里还推不出来。

常见问题

AI 真的能做芯片设计吗?能承担一部分,官方数据显示模型重写的 RTL 在自家 Jalapeño 上让向量单元面积减少约 13%、矩阵单元减少约 10%,并为 AMD 旗舰 GPU IP 带来最高 14% 的 PPA 改善,这些改动已经过硅片点亮验证。整体流片项目的端到端能力尚未有公开证据。

这些成绩是怎么算出来的?在 PicoRV32 和 Ibex 两个开源 RISC-V 核心上评测,仿真不通过记 0 分,面积超过原核心 16 倍记 0 分,吞吐量按隐藏工作负载的 IPC 几何平均乘以 Yosys 估算的最大频率计算,同约束下最佳值归一化为 1.0。总计 9881 次计分运行,每次约 112000 token 预算。

AI 会取代芯片工程师吗?短期内更像是把工程师从替代逻辑实现和流水线切分这类重复劳动里解放出来,AMD 的落地状态也是部分改动进流片、其余进 production design files 等待后续版本。更关键的变化在工具侧,OpenAI 与 Synopsys 合作训练 GPT-Synopsys,让模型按专家方式操作 EDA 工具,工程师的角色会向验证与签核环节集中。

小结

这篇材料的价值在于它把 AI 设计芯片这件事从概念推到了有面积、有延迟、有 token 预算、有运行次数的实证层面。Jalapeño 上 13% 与 10% 的面积降幅是自家流片验证过的数字,AMD 侧的 14% PPA 已经进入真实产品线,RISC-V 评测的 9881 次运行和 112000 token 预算把成绩的可靠性也交代清楚。同时官方主动指出了从规格设计高分背后的功能省略问题,这种自曝短板反而让整篇材料更可信。AI 参与芯片设计已经从能不能做,转向了在哪些环节做、怎么验证、工程师的活怎么重新切分。

全部文章归档与模型专题