top of page

OpenAI 晶片設計聲稱令 Astra 成為焦點

5 小時前
讀畢需時 11 分鐘
Image from the source report. Source: x.com.

OpenAI 表示,其模型在部分 AMD 晶片設計中發現最高達 14% 的改良,為 GPT-6.2 Astra 主打處理最艱鉅任務的定位提供了具體工程背景。OpenAI 於 2026 年 11 月 18 日發布的晶片設計報告,亦描述了在其首款自訂推論晶片 Jalapeño 上測試的優化成果。這些聲稱涉及特定工程結果,而非已完成 GPU 速度的全面提升。

據報,OpenAI 團隊成員 Tibo 在 X 的帖文中把這些結果與 Astra 聯繫起來,同時承認外界對模型溝通風格的意見。他的評估把兩個不同問題放在一起:模型是否能解決困難問題,以及人們能否有效地與它協作。晶片報告在既定限制內,為第一個問題提供了證據。

核心張力在於有前景的設計建議,與能通過工程驗證的修改之間。Synopsys 和 Cadence 已出售 AI 輔助設計技術,因此 OpenAI 正進入一項既有的半導體自動化工作。其最強的聲稱是,模型在資深工程師已優化底層設計後,仍找到了額外改良空間。

OpenAI 晶片設計超越程式碼建議

最重要的聲稱,是有關修改進入實際工程工作流程,而非模型產生看似合理的硬件程式碼。

根據 OpenAI 的晶片設計成果,其與 AMD 的合作相對於經高度優化的基準設計,帶來最高 14% 的改良。PPA,即功耗、效能和面積,描述用於評估這些修改的工程取捨。報告指出,這項工作在不足五個月內完成。

這個區別很重要,因為 PPA 並不代表單一、通用的速度量度。電路修改可以節省空間、降低耗電、改善時序,或以不同方式平衡這些目標。因此,在任何人把標題中的百分比轉化為預期產品效益前,必須先了解原本的比較條件。

OpenAI 表示,AMD 已將部分修改納入送往製造的設計。其他修改則進入未來版本的生產設計檔案。這是不同階段,兩者都不能證明每項已報告的優化均已應用於市售處理器。

把設計送往製造,也不同於公布成品硬件的量測結果。這表明部分修改已超越實驗性建議階段,但本身並不告訴客戶完整圖像處理器在不同應用程式中的表現。

報告描述模型重寫 SystemVerilog RTL,即指定電路行為及資料流的硬件描述程式碼。這令該工作比回答工程問題的助手有更具體的範圍。模型直接提出設計修改,再由工程師評估。

OpenAI 亦報告,其模型在 AMD 即將推出的旗艦 CPU 的指定區塊上,帶來單位數百分比的 PPA 改良。這些發現令公司的說法不只限於圖像硬件。不過,它們仍是合作項目所歸屬的結果,而非不同處理器之間的獨立比較。

OpenAI 把 GPU 工作形容為將約一年的進展壓縮至不足五個月。這是公司對工程進展的評估,不應演變成 AI 已將每個晶片開發時程縮短一年的普遍說法。

報告的發布日期亦須與其描述的工作分開看待。11 月 18 日是披露日期,而非每項優化工作的開始日期。同樣地,把修改納入未來設計檔案,也不代表已確立產品發布日期。

這正是製造細節比泛泛而談模型智能更具分量的原因。它描述了工程流程中的一項決策。餘下的問題是,當完整晶片達到量產要求後,這些決策如何轉化為可量測的效益。

Tibo 對 Astra 的讚賞仍未解答可用性問題

模型在高難度工程任務上的表現,並不能決定其日常溝通是否符合用戶需要。

在據報的Astra 評估中,Tibo 讚揚 GPT-6.2 Astra 處理困難工作的能力,並提及 AMD 和 Jalapeño 的成果。他亦承認外界對其溝通風格的意見,並表示團隊正在處理這個問題。驗證期間未能直接查閱原帖。

這項存取限制對歸屬十分重要。他的言論應被視為據報的員工評估,而非獨立確立的排名。技術報告則為討論相關晶片工作提供了更穩固的基礎。

Tibo 的承認很有用,因為它避免把能力與可用性視為可互換。模型可以提出有效的電路重寫方案,卻未能清楚說明其推理;它亦可以溝通清晰,卻未必能產生通過工程檢查的改良。

該帖文並未列明完整的溝通問題清單。因此,它不能支持有關特定失誤、其出現頻率,或哪些用戶遇到這些問題的聲稱。它只表明有相關意見存在,並且一名 OpenAI 員工表示團隊正在回應。

對工程用戶而言,這個分別帶來實際影響。有用的建議需要足夠背景,讓人檢視其假設並理解取捨。如果解釋掩蓋了修改內容,即使技術上有前景的答案仍可能帶來額外工作。

例如,模型提出較小型的算術電路。工程師需要知道該修改是否保留原有行為、改變時序,或依賴更狹窄的支援操作範圍。單靠一段自信的摘要無法回答這些問題。

當結果跨越組織界線時,同樣的問題也會出現。設計工程師、驗證專家及項目主管可能會以不同方式解讀同一項修改建議。清晰解釋有助他們判斷甚麼證據支持接納,以及甚麼問題仍未解決。

這使溝通成為審查流程的一部分,而非表面偏好。報告描述外部工具檢查模型建議。人們在接納由此產生的設計修改前,仍需要了解這些檢查的範圍。

Tibo 的廣泛熱情亦超出這份特定報告所量度的範圍。成功的半導體工作流程,不能證明其在每項高難度科學或專業任務中均居於領先地位。相關證據只涉及 OpenAI 實際描述的受測設計、評估設定及生產工作。

對買家而言,有用的做法是分開評估標準。先測試模型是否能改善具代表性的任務,再評估其解釋能否協助審查者作出可靠決定。愉快的對話或令人印象深刻的孤立結果,均不應取代這兩項檢查。

Jalapeño 顯示小型重寫如何累積效益

Jalapeño 的說法把模型生成的電路修改與實體硬件連繫起來,同時把收益限於特定元件。

Jalapeño 是 OpenAI 首款自訂推論晶片;推論是指用於運行已訓練 AI 模型的運算。該公司表示,模型提出的優化在矽片啟動期間獲得驗證,即測試新製造晶片的過程。這令證據超越純軟件實驗。

在較廣泛的設計工作中,OpenAI 估計,一個平行運算區塊的標準單元面積減少約 13%,矩陣單元則減少 10%。標準單元是用於實現數碼電路的可重用邏輯建構元件。這些百分比涉及指定區塊內的面積。

它們並不代表完整晶片尺寸出現等量縮減。晶片除了這些邏輯單元外,還包含其他結構及實體要求。報告未有提供依據,將區塊級估算換算為整體晶片面積數字。

其機制比要求模型發明處理器更具體。OpenAI 描述了在算術電路、轉換函數及中間計算組織方式上的改良。多項修改在較大型的運算區塊內逐步累積。

據報,其中一項矩陣單元乘法器重新設計,把單元面積減少約 15%,同時把延遲,即結果可供使用前的等待時間,從兩個時脈週期減至一個。這個例子說明,一項局部修改可以改善多於一個設計目標。

另一項加法器重新設計據報在維持兩個時脈週期延遲的同時,把單元面積減少約 15%。這個對比很重要,因為優化不必有相同結果才能帶來價值。一項修改可以節省空間,而不改變該操作所需時間。

OpenAI 亦描述模型探索如何把計算分配至管線階段,即電路順序處理工作的步驟。不同安排可創造共享硬件或減少中間儲存的機會。工程師仍必須檢查對設計其他部分的影響。

這個模式近似搜尋不同實作選項。模型提出另一種安排,工程工具再評估它是否保留原有行為並改善所選目標。價值來自被接納的候選方案,而非建議數量。

這亦是 AMD 和 Jalapeño 證據應保持區分的原因。OpenAI 報告 Jalapeño 的優化已在矽片上驗證,而 AMD 的修改則處於不同的製造及設計檔案階段。將兩者合併為單一通用說法,會抹去重要的成熟度差異。

報告把較廣泛的 Jalapeño 工作描述為多個後續模型隨時間參與的成果。它並未證明 GPT-6.2 Astra 單獨產生了每一項優化。Tibo 的認可為 Astra 提供背景,但不應追溯地把整個晶片項目歸功於該模型。

對工程團隊而言,涵義很具體。既有且經仔細優化的設計,仍可能存在替代實作方案的機會。報告支持研究這種可能性,同時每項建議修改仍須符合各自的正確性及實體設計要求。

Astra 的基準測試領先地位有廣泛界限

OpenAI 的處理器測試支持其模型之間的狹義比較,而非通用的晶片設計排名。

公司以 PicoRV32 和 Ibex 進行模型評估,兩者都是採用 RISC-V 的開源處理器核心;RISC-V 是一種開放指令集架構。處理器核心是晶片中執行指令的部分。這些測試針對精簡的處理器設計,而非完整的現代旗艦 GPU。

評估包括兩項任務。模型可改良既有硬件描述,或根據書面要求及連接範本設計核心。兩項任務均以吞吐量為目標,即每秒執行的指令數目。

OpenAI 透過模擬檢查設計,即在軟件中測試行為,而非在已製造硬件上測試。如設計未能通過檢查,便會獲零分;如其面積超過原有核心面積的 16 倍,亦會獲零分。

該面積上限是一項重要限制。它容許以較大型的設計換取更高吞吐量,當中仍有相當大的調整空間。要取得具商業價值的成果,設計仍須符合目標產品實際的空間、功耗及時序限制。

對於通過的設計,OpenAI 在模型無法預先得知的工作負載上量度指令執行情況。公司再將這些量度結果,與硬件綜合工具 Yosys 所估算的最高時脈頻率結合。因此,最終分數部分取決於估算時序。

公司把每個核心觀察到的最佳吞吐量標準化為 1.0 分。公布的平均分數包括得零分的失敗運行。這令平均值比挑選最佳結果更具參考價值,但仍取決於所選的工作負載及限制條件。

OpenAI 表示,在每次運行約 112,000 個 token 的可比預算下,GPT-6.2 Astra 在兩個核心上的平均分數均為最高。Token 是模型處理及生成的文字單位。這個預算代表模型進行了大量工作,而非回答簡短對話所需的工作量。

完整評估涵蓋不同任務、核心及 token 預算,共 9,881 次計分運行。這個數字不應被視為成功設計的數量。它亦不代表 Astra 完成了每一次運行,或每個候選方案都通過驗證。

在大致相同的 token 預算下,五個受測模型在根據需求設計時的分數,都高於修改現有核心時的分數。這項發現乍看之下表示,較大的自由度有助模型找到更佳實作方式。不過,報告本身亦提出另一種解釋,限制了這一解讀。

從需求開始設計,容許模型省略原有設計中的功能。這些功能包括效能計數器及對受測吞吐量貢獻不大的額外指令。較小的功能集可以提升基準測試成績,卻未必能取代原始處理器的完整功能。

OpenAI 明確指出,更嚴格的功能要求、更緊的面積限制,以及在實體綜合後進行時序檢查,都是提高真實性的方式。實體綜合會按實作條件映射及最佳化設計。這些限制條件應與效能聲稱一併呈現,而非被掩蓋在其下。

因此,審慎的解讀直接來自已披露的方法。Astra 在報告設定下的受測模型中表現最佳。這項實驗並未證明它勝過所有競爭對手、符合每一項量產要求,或能獨立帶來所報告的 AMD 改善。

Synopsys 與 Cadence 提高整合門檻

商業壓力落在供應商身上:必須把模型建議轉化為可重複、可審核的工程成果。

電子設計自動化(EDA)是工程師用來設計、分析及驗證晶片的軟件。OpenAI 表示,Synopsys 工具會檢查建議的重寫是否保留原有行為,並評估其 PPA 取捨。這些工具為模型提供超越自身解釋的外部回饋。

這種關係正是整個機制的核心。模型提出修改,而專門工程軟件則評估結果的既定屬性。結合後工作流程的實用性,同時取決於建議本身及評估品質。

OpenAI 的 11 月報告亦提及 GPT-Synopsys,這是一個與該 EDA 公司共同開發的專用模型。晶片工作流程合作夥伴關係於 2026 年 9 月 30 日公布。因此,後來的研究報告提供的是額外技術背景,而非首次宣布這項合作。

Synopsys 將該模型描述為可操作其工具、解讀輸出結果,並反覆改進設計以供工程師審閱。這是開發目標,並非普遍向客戶提供服務的證據。合作公告與已完成的量產部署,回答的是不同問題。

Cadence 透過AI 設計最佳化提供相關比較。其 Cerebrus 工作利用 AI 探索及最佳化晶片實作選項。這項比較表明,AI 輔助半導體設計早於這份 OpenAI 報告已經存在。

不應把這些方法合併為缺乏證據支持的排名。OpenAI 強調模型生成的硬件重寫及模型能力評估。Cadence 的材料則強調在其設計環境內進行最佳化,而現有證據並未提供兩套系統之間的受控比較。

對客戶而言,有意義的競爭在於完整工作流程。模型必須配合機構實際採用的工具、設計要求及審核慣例。單憑基準優勢,並不能證明整合會很直接,亦不能證明獲接納的改進會更快實現。

該報告亦促使供應商重新審視如何描述生產力。花在生成候選方案上的時間,只是工作的一部分。團隊還需要評估被拒絕的建議、審閱獲接納的修改,並確認改進能經得起後續實作階段的考驗。

即使大部分建議失敗,能找到罕見解決方案的助手仍可能具價值。真正相關的問題是,獲接納的成果是否值得付出完整的搜尋及審核成本。OpenAI 的公開說明並未提供這些成本在客戶層面的完整核算。

工程證據亦須在作出決定後保持可搜尋。技術知識庫可協助團隊保留設計筆記及驗證紀錄。這類文件有助審核及交接,而專用工具仍負責檢查硬件。

由此產生的壓力是實際的,而非修辭上的。OpenAI 及其合作夥伴需要證明,這個工作流程在精選案例之外仍然有用。競爭供應商亦面對相同要求:在真實客戶限制下提供可追溯、可重複的收益。

三項訊號將檢驗量產敘事

下一批有意義的證據,將把已報告的改善與已出貨硬件、更嚴格的評估及可重複的客戶工作流程連結起來。

第一項訊號是 AMD 就已納入修改作出的進一步披露。OpenAI 已區分送往製造的設計,以及保留予未來版本的修改。若能進一步說明受影響的區塊及量度條件,便更容易解讀標題中的百分比。

如果完成後的硬件量度能在所述操作條件下,把特定修改與效益連結起來,將會加強量產敘事。若缺乏這種連結,廣泛的產品效能數字便較不具參考價值。關鍵問題是,模型輔助修改在整個完整設計中帶來了甚麼貢獻。

第二項訊號是更具挑戰性的處理器評估版本。功能完整的要求及更嚴格的面積限制,將測試 Astra 的優勢能否在較小的設計空間中延續。更接近實體實作的時序量度,亦會減少對早期估算的依賴。

若在這些設定下仍持續領先,將加強其具備可遷移工程能力的論據。若領先幅度收窄,則有助識別現行方法最適用的範圍。無論結果如何,均會比把現有基準視為既定結論提供更有用的指引。

第三項訊號是具體的 GPT-Synopsys 工作流程證據。客戶案例應說明起始設計、所需限制、獲接納的修改,以及涉及的工程審核。它們亦應區分成功示範與跨項目的重複使用。

若客戶報告在自身要求下取得有用成果,這些證據將加強整合主張。若公告未有相應的工作流程細節,商業問題仍然未有定論。開發合作夥伴關係證明了意向及資源,而客戶成果則證明實際採用情況。

Tibo 對溝通的重視亦應納入這項最終檢驗。操作工程工具的模型,需要說明它改動了甚麼,以及檢查確認了甚麼。更好的解釋將令審核者更容易區分已驗證的屬性與尚未解決的假設。

評估 OpenAI 晶片設計主張的開發者,亦應在自己的試驗中遵循相同紀律。選擇具代表性的任務,保留原有限制,並記錄完整審核成本。把基準分數與量產接納分開,並區分模型的建議與工具的驗證。在將結果概括化之前,留意 AMD 的量度結果、更嚴格的處理器測試,以及有文件記錄的 Synopsys 客戶工作流程。這些訊號將釐清所報告的收益能否延伸至可重複的工程實務。下一項主張出現時,應問:哪個設計改變了、哪些要求仍然完整保留,以及哪些證據經得起完整工作流程的考驗。這才是讓令人印象深刻的成果,對負責交付硬件的人真正有用的標準。

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page