OpenAI 披露与 AMD 合作细节:AI 模型助力旗舰 GPU PPA 提升 14%
OpenAI 近日公布了其与 AMD 合作伙伴关系的技术细节。据称,AMD 工程师利用 OpenAI 未公开的 AI 模型,对其即将推出的旗舰级 GPU 和 CPU 设计进行了优化。数据显示,GPU 电路在功率、性能和面积(PPA)方面实现了高达 14% 的改进,处理器也获得了未具体量化的 PPA 增长。

OpenAI 指出,其模型通过重写描述芯片电路的代码发现了进一步优化的空间。这一工作主要在 SystemVerilog RTL(寄存器传输级)中进行,这是高端芯片设计的标准语言。该公司声称,模型的优化能力相当于将传统的一年期芯片设计工作流程压缩至“不到 5 个月”,这种时间效率的提升在半导体设计领域尚属首次。
此外,OpenAI 表示其模型在 RTL 层面的推理能力已达到“专家级微架构师”的水平,并预计将在现有的改进基线之上,继续推动 GPU 和 CPU 设计的 PPA 进一步优化。
Jalapeño 芯片进展与部署计划
这并非 OpenAI 首次在芯片设计中应用 AI 技术。此前,该公司已与 Broadcom 合作设计了名为 Jalapeño 的推理专用芯片。据报道,Jalapeño 的工程样品早在 2026 年 6 月便已运行实际工作负载。
根据规划,OpenAI 预计在 2026 年下半年进行小规模初始部署,并于 2027 年推出更广泛的部署。目前的测试基准显示,在单代币预测工作负载中,Jalapeño 在功耗控制和整体延迟方面表现优异,优于市场领先的 Nvidia Blackwell GPU。
GPT 模型在芯片设计中的评估方法
OpenAI 的博客文章还详细阐述了 GPT 模型在芯片设计敏感性方面的演进过程。研究人员通过要求模型优化 PicoRV32 和 Ibex 等开源芯片核心来测试其高端 LLM 的能力。每次运行中,模型被分配 112,000 个代币的计算预算,任务目标是优化吞吐量(即每小时指令数与时钟周期持续时间的组合),并对结果进行评分。
在评估标准上,如果生成的芯片无法工作或面积超过前代设计的 16 倍,则得分为零;而在测试约束下达到最佳设计的得分为 1.0。值得注意的是,测试并未告知模型芯片的具体应用场景。结果显示,GPT-6.2 Astra 在总体成本最低和优化得分最高这两个维度上表现最佳。
第二次测试揭示了一个有趣的现象:当模型根据原始规格从头重新设计芯片时,其产生的结果优于对现有代码进行直接优化。目前尚不清楚科学家是否使用了未经修改的标准版 GPT 完成这项工作。针对有特定需求的企业,市场上存在专门的高端定制 LLM,OpenAI 自身也表示正在与电子设计自动化巨头 Synopsys 展开合作。





