AI改写芯片设计底层代码:OpenAI模型在AMD旗舰GPU上取得14% PPA提升,部分改动已送流片

2026年11月18日,OpenAI官方博客披露:其模型通过重写SystemVerilog代码,在AMD旗舰GPU IP上实现最高14%的PPA综合提升,历时不足五个月完成了业内通常需要约一年才能达到的优化量级。部分改动已被AMD纳入送制造的最新设计,另有改动写入未来版本的生产设计文件。这是AI辅助芯片设计从

2026年11月18日,OpenAI在官方博客披露了一项芯片设计成果:其模型通过自动重写描述电路结构的SystemVerilog代码,在AMD旗舰GPU IP的功耗、性能、面积三项综合指标(PPA)上实现了最高14%的提升。OpenAI称,这一成果相当于不到五个月内完成了通常需要约一年的优化进度,且AMD已将部分模型生成的改动纳入送制造的最新芯片设计,另有改动被写入未来版本的生产设计文件。

具体数字是什么意思

PPA是芯片设计行业的核心优化目标,三个维度同时兼顾极为困难——通常降低功耗会牺牲性能,压缩面积可能推高频率上限。OpenAI声称的14%是综合改善的上限值,官方博客未逐项拆分功耗、速度、面积的各自贡献。

这个数字在业内已属异常。现代顶级GPU设计在进入流片前会经历数轮深度优化,所谓“heavily optimized baselines”(大幅优化后的基线)留给继续改进的空间极为有限。在这个基础上再挤出两位数的PPA改善,无论方法论如何,都值得认真对待。

联合国AI研究网站unite.ai的技术报告披露了更细粒度的数字:在矩阵单元(matrix unit)中,模型重新设计的乘法器不仅减少了15%的标准单元面积,还将延迟从两个时钟周期压缩到一个;加法器设计同样减少了15%的面积,同时维持了两周期延迟。这些具体改动说明,模型的优化不是整体模糊地“压缩”,而是针对特定功能模块进行了结构性重构。

Jalapeño:OpenAI自研推理芯片的AI参与史

除了AMD的GPU工作,OpenAI官方博客同时披露了其第一颗自研推理芯片Jalapeño的设计细节。模型提出的改动在向量单元(vector unit)中减少了约13%的标准单元面积,在矩阵单元中减少了约10%。

据报道,Jalapeño从初始设计到流片仅用了九个月时间,AI协助是压缩时间线的关键因素之一。OpenAI最初使用GPT-4o参与Jalapeño的设计工作,这意味着这颗芯片的完整生命周期跨越了从GPT-4o到GPT-6系列的模型迭代。

这构成一个可量化的正反馈循环:AI推理芯片的设计效率,部分来自运行在前一代AI硬件上训练的AI模型。

RISC-V基准:9881次跑分背后的模型代际差异

为评估不同模型的芯片设计能力,OpenAI在两个开源RISC-V处理器核(PicoRV32和Ibex)上进行了系统性测试,共记录了9881次评分运行。测试分两类任务:RTL优化(改进现有电路代码)和从规格书生成RTL(从设计意图直接生成电路描述)。

在约112,000 tokens的预算约束下,GPT-6.2 Astra在两项任务上均取得最高平均得分。在PicoRV32的RTL优化任务上,GPT-6.2 Astra的得分约为GPT-6 Astra的两倍。在规格书到RTL的生成任务上,GPT-6.2 Astra在PicoRV32上的平均分超过0.7,在Ibex上约为0.75。

OpenAI在博客中主动承认了一项重要局限:从规格书生成的RTL可能会遗漏原始核心中存在的部分功能(如性能计数器、额外指令集),因此规格书任务的分数不能直接与生产设计的质量画等号。

Synopsys合作:直指EDA工具链的核心

OpenAI还披露了与芯片设计工具巨头Synopsys的合作:双方正在联合训练一个名为GPT-Synopsys的模型,目标是让AI像资深芯片工程师那样操作电子设计自动化(EDA)工具。这项多年合作于2026年9月30日正式宣布。

EDA工具是芯片设计的“编译器”——将工程师的设计意图转化为可制造的物理布局。Synopsys是全球EDA市场的绝对头部,其工具链渗透在几乎所有主流芯片的设计流程中。如果GPT-Synopsys能够有效操作这套工具链,AI辅助设计的覆盖范围将从“优化现有电路代码”扩展到“端到端参与从设计到制造的全流程”。

联合训练的数据安全问题同样被明确提及:OpenAI和Synopsys在博客中声明,“客户的设计数据不会被用于训练”模型,并配有加密保护和可配置的权限、审计及保留控制机制。

利益关系:OpenAI持有AMD约10%的潜在股份

评估这份14%数字时,不能忽略商业背景。

据CNBC等媒体2025年10月的报道,OpenAI与AMD签署了一份多年芯片供应协议:OpenAI承诺部署合计6吉瓦(GW)的AMD GPU算力,AMD则向OpenAI发放了购买最多1.6亿股AMD股票的认股权证,行权价仅为每股0.01美元。如果OpenAI全部行权,将获得AMD约10%的股权,行权里程碑与部署规模和AMD股价目标(最高至每股600美元)挂钩。

这意味着,OpenAI在AMD股价上涨这件事上存在直接财务利益。而一份关于“AI显著改善了AMD芯片设计效率”的公告,对AMD股价具有潜在正面影响。AMD已将部分改动纳入实际流片,提供了外部验证。

OpenAI官方博客的这篇公告不含任何来自AMD的直接声明或背书。AMD在2026年7月表示双方“正在联合研究AI如何改善运行AI的系统”,但就11月18日的这份具体数据,AMD没有发表独立评论。

这件事的产业意义在哪里

过去几年,AI辅助芯片设计的讨论停留在工具层面:AI帮助验证、帮助调试、帮助生成测试用例。真正改变格局的是,AI能否直接生成可送流片的RTL代码——那是设计意图被转化为物理电路的最底层语言,也是芯片工程中技术壁垒最高的环节之一。

OpenAI这次披露的是:模型生成的SystemVerilog改动已经送上了AMD的流片版本。这个边界的跨越,比任何基准测试分数都更具实质意义。

从产业结构看,这条路线如果成立,受到最直接冲击的不是AMD或英伟达这样的芯片设计公司——他们是这项技术的受益者。受冲击的是传统EDA流程中大量依赖人工的优化环节,以及那些依靠“能调出更优参数”作为核心竞争力的中层芯片设计服务公司。

从OpenAI自身的战略逻辑看,这是一步多赢的棋:Jalapeño的设计效率提升直接降低自研芯片成本;AMD合作产生的PPA改善在财务上对OpenAI有回报(通过AMD股票增值通道);而Synopsys合作则为这套能力在全行业的推广铺路。每一个环节的进步都会反哺下一代模型和芯片的设计。

独立判断

这份公告的可信度高于一般AI能力宣传,原因有三:数字够具体(细分到矩阵单元乘法器的面积和延迟);有外部验证(改动进了AMD的制造版本);且OpenAI主动披露了方法论局限(规格书生成任务可能遗漏功能)。

但真正的问题不是“数字真不真”,而是“这条路走多远”。五个月内完成一年的优化进度,是因为现有基线的优化空间被人工遗漏,还是AI在系统性地探索人类设计师认知盲区之外的解空间?如果是后者,这个速度优势会随着AI参与的深入进一步加速,而不是均值回归。