脑机网 脑机网LOGIC.WANG
脑机网 · 一线 AI 与脑机接口观察
每天更新,只讲能落地的技术、机器人与商业化进展。
看今日文章
ESC

5 个月改完一年的电路,动手的是模型

AMD 的旗舰 GPU IP 上,功耗、性能、面积 3 项指标,最高改善了 14%。

2026-11-19 · 2771 字 · 脑机网信息截止 2026-11-19

本文为脑机网原创内容,基于公开信息与公开数据分析,不构成任何投资建议。

AMD 的旗舰 GPU IP 上,功耗、性能、面积 3 项指标,最高改善了 14%。

改这段电路的不是人。

11 月 18 日,OpenAI 公布了这件事。合作方是 AMD,验证工具来自新思科技。

OpenAI 自己的说法是,这相当于约一年的进展,在不到 5 个月里完成。

AMD 愿意把这件事公开,本身也是信号:用模型做设计,已经能进主流芯片公司的流程。这个标签比 14% 好卖,也比 14% 更容易被记住。

14% 的基准在哪

先把 14% 说清楚。

它是 3 项指标里最高的一项,不是每项都涨 14%。PPA 是功耗、性能、面积,芯片设计里这 3 项互相拉扯:跑得快就费电,面积小就难布线,布线挤了性能又掉,3 项全赢几乎不可能。所以行业里说 PPA 提升,通常指加权后的综合收益,或者某一项突出、其余不退化。14% 落在哪一项上,公布里没有拆开。

更关键的是基准:它不是一个粗糙的初版,是已经高度优化过的设计。芯片公司做一颗旗舰 GPU,每个模块都被反复收敛过,越到后面越难动。

从这样的版本上再抠出 14%,和在草图上改出 14%,不是 1 回事。这也是为什么这个数字看着不大,分量却不小:它动的不是边角,是老手已经让过步的地方。

谁在改这段代码

芯片设计的日常,是人在写 RTL。

RTL 是一种描述电路行为的代码,用 SystemVerilog 写。它不画图,它写逻辑:什么信号进来,什么时候开,什么时候关。

过去的分工是:人写,EDA 工具检查,人再改,一轮接一轮。

这次模型做的是中间那步:读已有的 RTL,重写,再交给工具验证。听起来像代码补全,实际不是。代码补全的目标是能编译,RTL 改写的目标是时序、面积、功耗同时不变差,还要能被后面的工具链接住。模型要先读懂这段逻辑在系统里承担什么,再决定哪一层可以动。动错了,功能就变。

这也是为什么它需要的不只是代码语料,还需要模块的上下文:时钟怎么走、复位怎么接、上下游怎么握手。

OpenAI 说,模型能“以资深微架构师的水准”推理 RTL。

这句话是 OpenAI 自己说的,没有第三方复现。

还有一条边界要划清。这是在 AMD 的旗舰 GPU IP 上改模块,不是让模型从零设计一颗芯片。模块和整芯片之间,隔着架构划分、时钟树、功耗预算、封装。把这些混为 1 谈,14% 就会被读大。

2025 年初,OpenAI 就开始用 GPT-4o 参与 Jalapeño 的设计。从 GPT-4o 到 GPT-6.2,不到 2 年,模型从“参与”走到了“主力”。

验证比生成贵

会写代码的模型很多,敢让它在流片前改电路的很少。

差别在验证。

每 1 处改写,都要用新思的工具证明行为没变,再评估 PPA 的取舍。行为不变是底线:电路改快、改小都可以谈,功能变了就是废片。这一步不省,因为省下来的验证时间,不够赔一次流片。工具跑一遍要时间,改 1 处要跑一遍,模型提得越多,验证排得越满。生成是并行的,验证是串行的,这就是矛盾的根。

这也是为什么生成快了,项目不一定快。

AMD 自己又复验了一遍。部分改动已经进了近期送厂流片的设计,另一部分进了量产设计文件,留给后续版本。

这里要分清 2 个词:流片和量产。流片是试做一批,验证设计和工艺能不能对上;量产是开闸放货。部分改动进了近期流片,说明它敢拿去试;另一部分只进量产设计文件,说明它还要等下一版。2 条路的门槛不一样,前者要敢,后者要稳。一个模型改出来的东西,能过第 1 道,不代表能过第 2 道。

自研推理芯片 Jalapeño 上的数字更细。向量单元标准单元面积减少约 13%,矩阵单元减少约 10%。一款乘法器重设计,面积减少约 15%,延迟从 2 个时钟周期降到一个;一款加法器面积减少约 15%,延迟保持 2 个周期。面积和延迟是跷跷板,面积小了延迟常常变大,乘法器这一项同时拿到面积和延迟,才是这批改动里最硬的地方。

这些优化已经在硅片上调试验证。

AMD 下一代旗舰 CPU 的关键模块,也验证了模型带来的个位数百分比 PPA 提升。

从 GPU 到 CPU,方法在扩散。

分数里的口径

OpenAI 还跑了一组公开评测:2 款开源 32 位 RISC-V 核,PicoRV32 和 OpenTitan 的 Ibex。

选开源核是为了可复现:设计文件公开,谁都能拿同一套题重跑。每轮约 11.2 万 token 预算,全部评测 9881 次有效打分。参评的 5 个模型是 GPT-6.2 Astra、GPT-6 Astra、GPT-6.1 Sol、GPT-5.6 Sol、GPT-5.5。

GPT-6.2 Astra 在 2 个核上的平均分最高。

9881 次打分不是为了选冠军,是为了把方差压下来。一次跑分说明不了模型会不会改电路,1 万次才能看出它在哪类需求上失手。有个结果反直觉:5 个模型从书面需求从零设计核,得分都高于优化已有设计。原因不复杂。从零设计没有历史包袱,也没有真实 IP 里那些必须保留的特性。测试里模型省掉了性能计数器等特性,核变简单了,分数自然偏高。

OpenAI 自己承认这点。

所以这组分数测的是“能不能写出能跑的逻辑”,不是“能不能交付可量产的 IP”。一个能跑的内核和一个能卖的内核,中间隔着验证、时序收敛、可测试性设计,还隔着工艺角和良率。这些都没进分数。分数高,说明模型读得懂规格、写得出结构;分数高,不说明它知道怎么让设计在真实工艺下稳定工作。一个核少几个计数器,面积和时序都会好看,这不是模型的功劳,是题目的漏洞。

按 11.2 万 token 乘 9881 次粗算,是 11 亿 token 量级。这个数只说明跑测规模,不说明难度。

把分数当能力上限看,会高估;当能力下限看,又太低。

护城河换了位置

5 个月对 12 个月,时间打了 4 折,省下 7 个月。

7 个月能干什么?可以多跑一轮架构探索,也可以把验证做厚。但生成变快,验证不会同时变快。

模型可以一天提 100 个版本,验证只有一套流程。瓶颈从“写出来”移到“证明它对”。

所以护城河从“有多少资深微架构师”,变成“有没有高质量的验证流程和数据”。前者靠薪水和年头堆,后者靠项目积累和工具链。更隐蔽的一层是数据:每一次验证通过或失败,都是一条标注。谁的验证流程跑得多,谁就攒得快。模型能力的差距,最后会变成验证数据的差距。这条链条比“模型多聪明”更难追,因为它需要真实项目,不能靠买卡堆出来。

对新公司,这是好消息:人不够也能出设计。

对老公司,这是坏消息:人的溢价被压平了。真正被压得最狠的,是只会照规格书写 RTL 的那一层。

新思的合作也说明了方向:双方在训练 GPT-Synopsys,把模型能力接进 EDA 工具链。

把模型接进 EDA,等于把裁判和选手放进同一个房间。工具负责判定对错,模型负责提方案。接口归工具厂,数据归谁,合同里会写清楚。

留一个问题:如果改电路的成本降到一个模型加一套验证,芯片公司还需要养多大的 RTL 团队?这个问题现在没有答案,但招聘计划会先给出答案。

真正的门槛,可能已经不是“能不能改”。

是“敢不敢签那张流片单”。

免责声明:本文基于公开信息撰写,仅供读者参考,不构成任何投资建议。

数据与信源

信息截止 2026-11-19。文中数据以该日期前已公开的信息为准。

本文引用 公开报道与公司公告(未逐条列示)。

本站历史文章在正文中标注了来源机构与时间,但未逐条附原始链接。如需核验文中任一具体数字,请在评论区注明段落与数据,我们会在 2 个工作日内补出处。

本文为脑机网原创内容,基于公开信息与公开数据分析,不构成任何投资建议。

查看「算力芯片」更多内容 → · 返回首页

引用本文

欢迎媒体、智库与研究机构引用。引用时请注明来源「脑机网」并保留原文链接,同时保留文章页标注的「信息截止」日期。转载规则见 引用与转载规范。

GB/T 7714脑机网编辑部. 5 个月改完一年的电路,动手的是模型[EB/OL]. (脑机网)[2026-11-19]. 北京: 脑机网, https://aiai.cafe/a/njw-openai-amd-chip-1119. 2026-11-20.
APA脑机网编辑部. (2026, November 19). 5 个月改完一年的电路,动手的是模型. 脑机网. https://aiai.cafe/a/njw-openai-amd-chip-1119
脑机网 · 一线 AI 与脑机接口观察
每天更新,只讲能落地的技术、机器人与商业化进展。
看今日文章