top of page

OpenAI 芯片设计主张将 Astra 推向焦点

5小时前
讀畢需時 12 分鐘
Image from the source report. Source: x.com.

OpenAI 表示,其模型在部分 AMD 芯片设计中实现了最高 14% 的改进,为 GPT-6.2 Astra 主打攻克高难度任务的定位提供了具体的工程背景。OpenAI 于 2026 年 11 月 18 日发布的芯片设计报告还介绍了在其首款定制推理芯片 Jalapeño 中测试的优化方案。这些主张针对的是特定工程成果,而非已完成 GPU 速度的全面提升。

据报道,OpenAI 团队成员 Tibo 在一则 X 帖子中将这些成果与 Astra 联系起来,同时承认用户对该模型沟通方式的反馈。他的评价将两个不同问题结合在一起:模型是否能解决困难问题,以及人们是否能有效地与之协作。芯片报告在明确限定范围内,为第一个问题提供了证据。

核心矛盾在于:有前景的设计建议与能够经受工程验证的改动之间存在差距。Synopsys 和 Cadence 已经在销售 AI 辅助设计技术,因此 OpenAI 进入的是一项已成熟的半导体自动化工作。其最有力的主张是,在经验丰富的工程师已优化底层设计之后,模型仍发现了额外的改进空间。

OpenAI 芯片设计超越了代码建议

最具影响力的主张在于,相关改动已进入真实工程工作流程,而非模型仅仅生成看似合理的硬件代码。

根据 OpenAI 的芯片设计成果,其与 AMD 的合作相较于经过深度优化的基准实现了最高 14% 的改进。PPA,即功耗、性能和面积,描述了用于评估这些改动的工程权衡。报告称,这项工作在不到五个月内完成。

这一差别很重要,因为 PPA 并不代表单一、通用的速度指标。电路改动可能节省空间、降低能耗、改善时序,或以不同方式平衡这些目标。因此,在任何人将这一标题中的百分比转化为预期产品收益之前,都需要了解原始对比条件。

OpenAI 表示,AMD 已将部分改动纳入送交制造的设计中。其他改动则进入了面向未来版本的生产设计文件。这是不同阶段,且两种表述都不能证明每项报告中的优化都已应用于商业可用的处理器。

将设计送交制造,也不同于公布成品硬件的测量结果。这表明部分选定改动已超越实验性建议阶段,但其本身并不能告诉客户完整图形处理器在各类应用中的表现。

报告称,模型重写了 SystemVerilog RTL,即用于规定电路行为和数据流动的硬件描述代码。这使该工作比回答工程问题的助手具有更明确的范围。模型直接提出对设计本身的改动,再由工程师进行评估。

OpenAI 还报告称,在 AMD 即将推出的旗舰 CPU 的部分模块中,PPA 提升达到个位数百分比。这些发现使公司的说法超出图形硬件范畴,但它们仍是合作方归属的成果,而非跨处理器的独立比较。

OpenAI 将 GPU 工作描述为把大约一年的进展压缩到不足五个月。这是公司对工程进度的评估,不应被泛化为 AI 已将每个芯片开发周期缩短一年。

报告发布日期也应与其描述的工作分开看待。11 月 18 日是披露日期,而非所有优化工作的起点。同样,将改动纳入未来设计文件,也不能确定产品发布日期。

这正是制造细节比宽泛的模型智能主张更具分量的原因。它描述了工程流程中的一项决策。剩余问题在于,当完整芯片满足生产要求后,这些决策将如何转化为可测量的收益。

Tibo 对 Astra 的赞誉仍未回答可用性问题

模型在高难度工程任务上的表现,并不能解决其日常沟通是否满足用户需求的问题。

在据报道的Astra 评价中,Tibo 称赞 GPT-6.2 Astra 处理困难工作的能力,并提及 AMD 和 Jalapeño 的成果。他也承认了有关其沟通方式的反馈,并表示团队正在处理这一问题。验证期间无法直接访问原始帖子。

这一访问限制关系到归因方式。他的言论应被视为一名员工据报道作出的评价,而不是独立确立的排名。技术报告为讨论底层芯片工作提供了更可靠的基础。

Tibo 的承认很有价值,因为它避免将能力与可用性视为可以互换的概念。模型可以提出有效的电路重写方案,却难以清楚解释其推理;它也可以表达清晰,却无法产出经得起工程检查的改进。

该帖子没有列出完整的沟通问题清单。因此,它不能支持关于特定故障、其发生频率或哪些用户受到影响的主张。它只能证明相关反馈存在,并且一名 OpenAI 员工表示团队正在回应。

对工程用户而言,这一区别具有实际影响。一项有用的建议需要提供足够背景,使审查者能够评估其假设并理解其中权衡。如果解释掩盖了改动内容,技术上有前景的回答仍可能带来额外工作。

例如,模型提出使用更小的算术电路。工程师需要知道该改动是否保持原有行为、是否改变时序,或是否依赖于更窄的受支持操作集合。仅有自信的总结无法回答这些问题。

当结果跨越组织边界时,同样的问题也会出现。设计工程师、验证专家和项目负责人可能会以不同方式解读同一项拟议改动。清晰的解释可帮助他们判断哪些证据支持接受该改动,哪些问题仍未解决。

这使沟通成为审查流程的一部分,而非表面偏好。报告描述了外部工具如何检查模型建议。人们在接受由此产生的设计改动前,仍需理解这些检查的范围。

Tibo 的广泛热情也超出了该报告具体衡量的内容。一次成功的半导体工作流程,并不能证明其在所有高难度科学或专业任务中处于领先地位。相关证据仅涉及 OpenAI 实际描述的测试设计、评估设置和生产工作。

对买家而言,有用的做法是将评估标准分开。先测试模型是否能改进具有代表性的任务,再评估其解释能否帮助审查者做出可靠决策。愉快的对话和令人印象深刻的孤立结果,都不应替代这两项检查。

Jalapeño 展示了小型重写如何累积成效

Jalapeño 的案例将模型生成的电路改动与实体硬件联系起来,同时将收益限定在特定组件上。

Jalapeño 是 OpenAI 的首款定制推理芯片,其中推理指运行已训练 AI 模型所需的计算。该公司表示,模型提出的优化方案已在硅片 bring-up 阶段得到验证,即对新制造芯片进行测试的过程。这使相关证据超出了纯软件实验的范畴。

在更广泛的设计工作中,OpenAI 估计,一个并行计算模块的标准单元面积减少约 13%,矩阵单元则减少 10%。标准单元是用于实现数字电路的可复用逻辑构建模块。这些百分比涉及所识别模块内的面积。

它们并不代表完整芯片尺寸的等比例缩减。芯片除了这些逻辑单元之外,还包含其他结构和物理要求。报告没有提供依据,能够将模块级估计换算为整颗芯片的面积数据。

其机制比让模型凭空设计处理器更具体。OpenAI 描述了对算术电路、转换函数和中间计算组织方式的改进。多项改动在更大的计算模块内累积。

据报道,一项矩阵单元乘法器重新设计将单元面积减少约 15%,还将延迟——即结果可用前的等待时间——从两个时钟周期缩短至一个。这一案例说明,局部改动可以同时改善多个设计目标。

据报道,另一项加法器重新设计在保留两个时钟周期延迟的同时,将单元面积减少约 15%。这种对比很重要,因为有用的优化不必带来相同结果。一项改动可以节省空间,而不改变完成操作所需的时间。

OpenAI 还描述了模型探索如何在流水线阶段之间划分计算,即电路依序处理工作的步骤。不同安排可能创造共享硬件或减少中间存储的机会。工程师仍必须检查其对设计其他部分的影响。

这一模式类似于对实现选项进行搜索。模型提出不同安排,工程工具则评估其是否保持行为一致并改善所选目标。价值来自被接受的候选方案,而非建议数量。

这也是 AMD 和 Jalapeño 证据应保持区分的原因。OpenAI 报告称,Jalapeño 的优化已在硅片中验证,而 AMD 的改动则处于不同的制造和设计文件阶段。将两者合并为一项通用主张,会抹去成熟度上的重要差异。

报告将更广泛的 Jalapeño 工作描述为长期涉及多代模型的工作。它并不能证明 GPT-6.2 Astra 单独产出了每一项优化。Tibo 的认可为 Astra 提供了背景,但不应据此追溯性地将整个芯片项目归功于该模型。

对工程团队而言,这一含义很具体:现有且经过精心优化的设计,仍可能存在替代实现方式的机会。报告支持研究这种可能性,但每项拟议改动仍须满足各自的正确性和物理设计要求。

Astra 的基准领先存在广泛边界

OpenAI 的处理器测试支持其模型之间的一项狭义比较,而非通用的芯片设计排名。

该公司在 PicoRV32 和 Ibex 上评估了模型;两者都是采用 RISC-V 的开源处理器核心,RISC-V 是一种开放指令集架构。处理器核心是芯片中执行指令的部分。这些测试针对的是紧凑型处理器设计,而非完整的当代旗舰 GPU。

评估包含两项任务。模型要么改进现有硬件描述,要么根据书面需求和连接模板设计核心。两项任务均以吞吐量为目标,即每秒执行的指令数量。

OpenAI 通过仿真检查设计,仿真是在软件中测试行为,而非在制造出的硬件上测试。如果设计未通过检查,则得分为零;如果其面积超过原始核心面积的 16 倍,同样得分为零。

面积上限是一项重要限定条件。它为以更大设计换取更高吞吐量留出了相当大的空间。具有商业价值的结果仍需符合目标产品实际的面积、功耗和时序约束。

对于通过验证的设计,OpenAI 在未向模型披露的工作负载上测量了指令执行情况。公司将这些测量结果与硬件综合工具 Yosys 估算出的最高时钟频率相结合。因此,最终得分在一定程度上依赖于估算时序。

该公司将每个核心观察到的最佳吞吐量归一化为 1.0 分。报告的平均值包含得分为零的失败运行。与挑选出的最佳结果相比,这使平均值更具参考意义,但仍取决于所选工作负载和约束条件。

OpenAI 表示,在每次运行约 112,000 个 token 的可比预算下,GPT-6.2 Astra 在两个核心上的平均得分均最高。Token 是模型处理和生成的文本单位。该预算描述的是大量模型工作,而非简短对话回答所需的工作量。

完整评估涵盖了任务、核心和 token 预算组合下的 9,881 次计分运行。这个数字不应被视为成功设计的数量。它也不意味着 Astra 完成了每次运行,或每个候选方案都通过了验证。

在大致相同的 token 预算下,五个受测模型从需求开始设计时的得分都高于修改现有核心时的得分。该发现初步表明,更大的自由度有助于模型找到更好的实现方案。但报告本身提供了另一种解释,限制了这种解读。

从需求开始让模型得以省略原始设计中已有的功能。这些功能包括对所测吞吐量贡献不大的性能计数器和额外指令。较小的功能集可以改善基准测试表现,却不能替代原始处理器的完整功能。

OpenAI 明确指出,更严格的功能要求、更紧的面积限制,以及物理综合后的时序检查,都是提升现实性的途径。物理综合会根据实现条件映射并优化设计。这些限定应与性能主张一并呈现,而非被掩盖在其之下。

因此,持怀疑态度的解读直接源自已披露的方法论。在报告的设置下,Astra 在受测模型中表现最佳。该实验并未证明它胜过所有竞争对手、满足所有生产要求,或独立实现了所报告的 AMD 改进。

Synopsys 和 Cadence 提高集成门槛

商业压力落在供应商身上:他们需要将模型建议转化为可重复、可审查的工程成果。

电子设计自动化(EDA)是工程师用于设计、分析和验证芯片的软件。OpenAI 表示,Synopsys 工具检查了所提重写方案是否保持原有行为,并评估其 PPA 权衡。这些工具为模型提供了超出其自身解释之外的外部反馈。

这种关系是该机制的核心。模型提出改动,而专业工程软件评估结果的既定属性。组合工作流的价值取决于提案本身,也取决于评估质量。

OpenAI 的 11 月报告还提到了正与这家 EDA 公司联合开发的专用模型 GPT-Synopsys。这项芯片工作流合作关系于 2026 年 9 月 30 日宣布。因此,后续研究报告提供了额外技术背景,而非首次宣布该合作关系。

Synopsys 描述了一种旨在操作其工具、解读输出结果并迭代设计以供工程师审查的模型。这是一个研发目标,而非普遍面向客户可用的证据。合作公告和已完成的生产部署回答的是不同问题。

Cadence 通过其AI 设计优化提供了一个相关对比。其 Cerebrus 工作利用 AI 探索和优化芯片实现方案。这一对比表明,AI 辅助半导体设计早于这份 OpenAI 报告就已出现。

不应将这些方法压缩为缺乏证据支持的排名。OpenAI 强调模型生成的硬件重写方案和模型能力评估。Cadence 的材料则强调其设计环境内的优化,而现有证据并未提供两个系统之间的受控比较。

对客户而言,有意义的竞争关乎完整工作流。模型必须适配组织实际使用的工具、设计要求和审查实践。仅凭基准优势并不能证明集成会很顺利,也不能证明获接受的改进会更快到来。

该报告也对供应商如何描述生产力施加了压力。生成候选方案所花费的时间只是工作的一部分。团队还需要评估被拒绝的建议、审查被接受的改动,并确认改进能在后续实现阶段中保持有效。

即使大多数建议失败,能够找到非常规解决方案的助手仍可能具有价值。关键问题在于,被接受的结果是否足以证明完整搜索和审查工作的合理性。OpenAI 的公开说明并未提供这类工作投入的完整客户层面核算。

工程证据也需要在决策后保持可检索。一套技术知识库可以帮助团队保留设计说明和验证记录。这些文档支持审查和交接,而专业工具仍负责检查硬件。

由此产生的压力是实际性的,而非修辞性的。OpenAI 及其合作伙伴需要证明,该工作流在精选示例之外仍然有用。竞争供应商同样面临这样的要求:在真实客户约束下实现可追溯、可重复的收益。

三项信号将检验量产叙事

下一批有意义的证据将把所报告的改进与已出货硬件、更严格的评估以及可重复的客户工作流联系起来。

第一个信号是 AMD 对已纳入变更的进一步披露。OpenAI 已区分送往制造的设计与保留用于未来版本的修改。有关受影响模块和测量条件的进一步细节,将使标题中的百分比更易解读。

如果成品硬件测量能够在明确的运行条件下,将具体改动与收益联系起来,将会增强量产叙事。若缺少这种联系,宽泛的产品性能数字价值较低。相关问题在于,模型辅助的改动在完整设计中贡献了什么。

第二个信号是更严格版本的处理器评估。功能完整的要求和更紧的面积约束,将检验 Astra 的优势是否能在更小的设计空间中延续。更接近物理实现的时序测量也会减少对早期估算的依赖。

若在这些设置下仍保持领先,将增强其具备可迁移工程能力的论据。若领先优势缩小,则有助于识别当前方法最适用的领域。无论哪种结果,都比将现有基准视为定论更能提供有用指引。

第三个信号是具体的 GPT-Synopsys 工作流证据。客户案例应说明起始设计、必需约束、被接受的改动以及涉及的工程审查。它们还应区分一次成功演示与跨项目的重复使用。

如果客户在自身要求下报告了有用结果,这些证据将增强集成主张。若公告缺乏相应的工作流细节,商业问题仍将悬而未决。研发合作关系确立了意图和资源,而客户结果则证明实际采用。

Tibo 对沟通的认可也应纳入这一最终检验。操作工程工具的模型需要解释它改了什么,以及检查确认了什么。更好的解释将让审查者更容易区分已验证的属性与尚未解决的假设。

评估 OpenAI 芯片设计主张的开发者,也应在自身试验中遵循同样的纪律。选择一项具有代表性的任务,保留其原始约束,并记录完整的审查工作。将基准得分与生产验收分开,并区分模型的提案与工具的验证。在将结果泛化之前,关注 AMD 的测量数据、更严格的处理器测试,以及已记录的 Synopsys 客户工作流。这些信号将澄清所报告的收益是否能够延伸为可重复的工程实践。当下一项主张出现时,请问:哪个设计发生了变化,哪些要求仍然完好,以及哪些证据经受住了完整工作流的检验。这才是让令人印象深刻的结果真正对负责交付硬件的人有用的标准。

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page