Zum Inhalt springen
AI.info

The Pulse

OpenAI sagt, seine Modelle hätten AMD-GPU-Designs um bis zu 14 % verbessert

OpenAI berichtet, dass von Modellen entwickelte Schaltungsänderungen Leistungsaufnahme, Leistung und Fläche bei AMDs geistigem Eigentum für Flaggschiff-GPUs verbessert haben. Das Unternehmen beschrieb außerdem Änderungen an seinem Jalapeño-Chip und Tests mit zwei Open-Source-Prozessorkernen.

OpenAI sagt, seine Modelle hätten AMD-GPU-Designs um bis zu 14 % verbessert

OpenAIs Modelle haben die Leistungsaufnahme, Leistung und Fläche bei AMDs geistigem Eigentum für Flaggschiff-GPUs gegenüber stark optimierten Ausgangswerten um bis zu 14 % verbessert, erklärt das KI-Unternehmen. In einem Beitrag vom 18. November beschrieb OpenAI die von den Modellen entwickelten Schaltungsänderungen und berichtete über damit verbundene Arbeiten an seinem eigenen Jalapeño-Inferenzchip.

Einige Änderungen wurden in ein AMD-Design aufgenommen, das zur Fertigung eingereicht wurde; andere wurden in Produktionsdateien für künftige Versionen übernommen. Der Beitrag beschrieb auch Tests mit von Modellen entworfenen Versionen zweier Open-Source-Prozessorkerne.

Änderungen an AMD-Schaltungen

OpenAIs Modell schrieb SystemVerilog-RTL neu – den Code, der die Schaltungen eines Chips beschreibt –, um weitere Verbesserungen zu finden. Das Modell nutzte Synopsys-Tools, um zu prüfen, ob jeder neu geschriebene Block sein Verhalten beibehielt, und um die Abwägungen bei Leistungsaufnahme, Leistung und Fläche zu bewerten.

OpenAI bezeichnete die Arbeit an der GPU als Fortschritt von etwa einem Jahr, der in weniger als fünf Monaten erzielt wurde. AMD bestätigte laut dem Beitrag bei wichtigen Blöcken seiner kommenden Flaggschiff-CPU der nächsten Generation ebenfalls einstellige prozentuale Verbesserungen bei Leistungsaufnahme, Leistung und Fläche durch mit Modellen entwickelte Designs.

Änderungen am Jalapeño-Design

OpenAI begann Anfang 2025, GPT-o3 mini bei der Entwicklung von Jalapeño einzusetzen. Das Team schätzt, dass von Modellen vorgeschlagene Änderungen die Standardzellenfläche in der Vektoreinheit, die parallele Rechenaufgaben übernimmt, um etwa 13 % und in der Matrixeinheit, einer Rechenkomponente, um 10 % verringerten.

Das Unternehmen erklärt, die Optimierungen seien bei der Inbetriebnahme des Siliziums bestätigt worden. Zu den Änderungen gehörten alternative Logikimplementierungen, andere Möglichkeiten, Berechnungen auf Pipeline-Stufen zu verteilen, sowie Optionen, Hardware gemeinsam zu nutzen und die Zwischenspeicherung zu reduzieren.

Eine Neugestaltung des Multiplikators in der Matrixeinheit benötigte bei der Synthese etwa 15 % weniger Zellfläche und verringerte zugleich die Latenz von zwei Taktzyklen auf einen, berichtete OpenAI. Eine separate Neugestaltung des Addierers verringerte die Zellfläche um etwa 15 %, während die Latenz von zwei Taktzyklen beibehalten wurde; weitere Änderungen an der Skalarproduktlogik und der Pipeline-Organisation brachten zusätzliche Einsparungen im gesamten Block.

Tests mit Open-Source-Kernen

Das Unternehmen testete außerdem aufeinanderfolgende Modellgenerationen mit zwei quelloffenen 32-Bit-RISC-V-Kernen: PicoRV32 und Ibex. Bei einer Aufgabe erhielten die Modelle die ursprüngliche Hardwarebeschreibung und sollten den Durchsatz erhöhen, gemessen als Schätzung der Zahl der pro Sekunde ausgeführten Befehle.

Designs erhielten null Punkte, wenn sie eine Simulationsprüfung nicht bestanden oder mehr als das 16-Fache der Fläche des ursprünglichen Kerns benötigten. Bei erfolgreichen Designs wurde der Durchsatz anhand von Workloads gemessen, die den Modellen nicht bekannt waren. Die Schätzungen beruhten auf der Zahl der Befehle pro Taktzyklus und einer mit Yosys geschätzten maximalen Taktfrequenz.

Bei einem vergleichbaren Budget von etwa 112.000 Tokens pro Durchlauf erzielte GPT-6.2 Astra im Durchschnitt auf beiden Kernen die höchste Punktzahl, erklärte OpenAI. Bei diesem Budget erreichte das Modell auf PicoRV32 etwa die doppelte Punktzahl von GPT-6 Astra.

Bei einer zweiten Aufgabe entwarfen die Modelle Kerne anhand schriftlicher Anforderungen und Vorlagen, die zeigten, wie jeder Kern mit dem restlichen System verbunden war. Bei etwa 112.000 Tokens pro Durchlauf erzielten alle fünf Modelle bei dieser Aufgabe auf beiden Kernen höhere Punktzahlen als bei der Verbesserung bestehender Designs. Die Auswertung umfasste 9.881 bewertete Durchläufe über beide Aufgaben, beide Kerne und alle Token-Budgets hinweg.

Das Unternehmen wies darauf hin, dass die Modelle bei einem Start anhand schriftlicher Anforderungen Funktionen der ursprünglichen Kerne weglassen konnten, darunter Leistungszähler und zusätzliche Befehle, was einen Teil des Vorteils erklären könnte. Die Vorgabe, diese Funktionen beizubehalten, eine engere Flächenbegrenzung und eine Timing-Prüfung nach der physikalischen Synthese würden den Test repräsentativer für das Design von Produktionschips machen.

Zusammenarbeit mit Synopsys

OpenAI arbeitet außerdem mit Synopsys daran, GPT-Synopsys zu trainieren – ein neues Modell, das die Tools des Unternehmens für die elektronische Designautomatisierung so nutzen soll wie erfahrene Chipdesigner. Ingenieure verwenden diese Tools, um Chips zu entwerfen und zu verifizieren.

Quellen

  1. Originalquelle OpenAI openai.com

Unternehmen in dieser Meldung

Verwandte Meldungen

Entdecken

Weitere Artikel