الملخص:
أصدرت OpenAI أحدث تقرير فني لها بعنوان "تطوير تصميم الرقائق باستخدام نماذج OpenAI"، حيث كشفت عن أحدث التقدم الذي أحرزته في استخدام نماذج الذكاء الاصطناعي للمساعدة في تصميم الرقائق. ذكرت OpenAI أن نموذجها لم يساعد فقط شريحة الاستدلال AI Jalapeño المطورة ذاتيًا على تحسين تصميم الدائرة، ولكنه حقق أيضًا تحسنًا يصل إلى 14% في مؤشرات استهلاك الطاقة والأداء والمنطقة (PPA) لوحدات IP الرئيسية لوحدة معالجة الرسوميات الرئيسية بالتعاون مع AMD
. تم دمج بعض نتائج التحسين في تصميمات الرقائق التي تم تقديمها مؤخرًا للتصنيع بواسطة AMD. ص> ص>

ذكرت OpenAI أن نموذج الذكاء الاصطناعي ينتقل من مساعدة المهندسين في كتابة التعليمات البرمجية إلى الدخول بشكل أكبر في تصميم الدوائر الأساسية للرقاقة وتحسين البنية الدقيقة. تغطي النتائج المعلنة هذه المرة شرائح الذكاء الاصطناعي المطورة ذاتيًا، ووحدات معالجة الرسومات الرائدة من AMD، ووحدات المعالجة المركزية من الجيل التالي، بالإضافة إلى تصميمات معالجات RISC-V مفتوحة المصدر. ص>
فيما يتعلق بالرقائق ذاتية التطوير، ستستخدم OpenAI GPT-4o للمشاركة في تصميم Jalapeño بدءًا من أوائل عام 2025. وحتى النماذج السابقة في ذلك الوقت يمكن أن تجد بالفعل مجالًا للتحسين في عملية تصميم الرقائق التقليدية. ص>
على وجه التحديد، في وحدة الحوسبة الموجهة في Jalapeño، يقلل نموذج الذكاء الاصطناعي من استخدام موارد الأجهزة ومتطلبات تخزين البيانات الوسيطة عن طريق ضبط إضافات الفاصلة العائمة والمضاعفات ومنطق تحويل البيانات وهياكل خطوط الأنابيب. في وحدة حوسبة المصفوفة، تم إعادة تصميم النموذج لعمليات الفاصلة العائمة ودوائر المنتجات النقطية منخفضة الدقة. ص>
من بينها، يؤدي تحسين التصميم المضاعف إلى تقليل مساحة الوحدة القياسية بعد التركيب بنسبة
15%
تقريبًا ، مع تقليل تأخير التشغيل من دورتين على مدار الساعة إلى دورة على مدار الساعة. يحقق تحسين الجامع الآخر أيضًا تقليل المساحة بحوالي 15% مع الحفاظ على تأخير الدورة لمدة ساعتين. ص>تقدر شركة OpenAI أن تعديلات التصميم التي اقترحها نموذج الذكاء الاصطناعي أدت في النهاية إلى تقليل مساحة الوحدة القياسية لوحدة ناقل جالابينو بحوالي
13%
، يتم تقليل وحدة المصفوفة بنحو10%
. تم تأكيد هذه التحسينات أثناء التحقق من تصحيح أخطاء السيليكون للرقاقة. ص>من الجدير بالذكر أن OpenAI تطبق الإمكانات المذكورة أعلاه على تصميم شرائح AMD التجارية. ص>
وفقًا للمعلومات التي كشفت عنها OpenAI، فقد تعاون الطرفان لتحسين وحدات IP الرئيسية لوحدة معالجة الرسوميات الرائدة من AMD. استنادًا إلى التصميم الأصلي الأمثل للغاية، يعمل نموذج OpenAI على تحسين استهلاك الطاقة والأداء ومؤشرات المنطقة من خلال إعادة كتابة كود SystemVerilog RTL الذي يصف دائرة الشريحة. يصل تحسين PPA لبعض التصميمات إلى
14%
. ص>قالت OpenAI إن هذا يعادل إكمال تقدم التصميم الذي قد يستغرق عادةً حوالي عام في أقل من خمسة أشهر. ص> قامت AMD بتطبيق بعض التحسينات على تصميمات الرقائق التي تم تقديمها مؤخرًا للتصنيع، وتم دمج تحسينات أخرى في مستندات تصميم الإنتاج ومن المخطط إدخالها في الإصدارات المستقبلية. ص>
وفي الوقت نفسه، تحققت AMD أيضًا من نتائج التحسين لنموذج OpenAI في الوحدات الرئيسية للجيل التالي من وحدة المعالجة المركزية الرئيسية، وحقق التصميم ذو الصلة تحسنًا بنسبة مئوية واحدة في مؤشرات PPA. ص>
ذكرت OpenAI أن نموذجها كان قادرًا على تحليل كود RTL بطريقة قريبة من تلك التي يستخدمها أحد كبار مهندسي الهندسة المعمارية الدقيقة، واقتراح تعديلات على منطق الحوسبة ودوائر التحكم وهياكل نقل البيانات. يستفيد النموذج أيضًا من أدوات أتمتة التصميم الإلكتروني الخاصة بـ Synopsys للتحقق من أن التعديلات تحافظ على الوظائف الأصلية وتقييم القوة والأداء والمقايضات في المناطق للتصميمات المختلفة. ص>
بالإضافة إلى مشروع الرقاقة الفعلي، قامت OpenAI أيضًا بتقييم قدرات تصميم الرقاقة لنماذج الجيل المختلفة من خلال اثنين من نواة معالج RISC-V مفتوحة المصدر 32 بت PicoRV32 وIbex. ص>
يتضمن الاختبار نوعين من المهام: أحدهما هو تحسين إنتاجية المعالج استنادًا إلى تصميم RTL الموجود، والآخر هو إنشاء تصميم RTL للمعالج من البداية وفقًا لمتطلبات مواصفات النص. ص>
تظهر النتائج أنه مع ميزانية قابلة للمقارنة تبلغ حوالي 112000 رمز لكل تشغيل،
حقق GPT-6.2 Astra أعلى متوسط درجة في مهام تحسين RTL لكلا نواة المعالج
. من بينها، في اختبار PicoRV32، يبلغ متوسط درجاته حوالي ضعف معدل GPT-6 Astra. ص>وعلى وجه الخصوص، في مهمة إنشاء تصميمات RTL مباشرة من مواصفات النص، سجلت جميع النماذج الخمسة التي تم اختبارها درجات أعلى في كلا المعالجين مقارنة بمهمة تحسين التصميمات الحالية. حقق GPT-6.2 Astra متوسط درجات طبيعية تزيد عن 0.7 في اختبار PicoRV32 وحوالي 0.75 في اختبار Ibex. ص>
تضمن هذا التقييم إجمالي
9881 نقطة تسجيل
، والتي تغطي نماذج ومهام مختلفة ونوى المعالج وميزانيات الرموز المميزة. ص>ومع ذلك، أشارت OpenAI أيضًا إلى أن هذه الاختبارات لا تزال لها قيود. وبما أن النماذج يمكن أن تحذف ميزات مثل عدادات الأداء أو بعض التعليمات الإضافية عند إعادة تصميم المعالج من المواصفات، فإن النتيجة الأعلى لا تعني بالضرورة أن التصميم الجديد سيكون مفيدًا بنفس القدر في المنتجات الفعلية. في المستقبل، ستظل هناك حاجة إلى إضافة متطلبات وظيفية أكثر صرامة، وقيود على منطقة الرقاقة، وفحوصات التوقيت بعد التركيب المادي. ص>
في المرحلة التالية، أعلنت شركة OpenAI عن تعاونها مع الشركة المصنعة لبرمجيات تصميم الرقائق Synopsys، واسم التدريب هو
GPT-Synopsys
يمكّنها النموذج الجديد من استخدام أدوات أتمتة التصميم الإلكتروني (EDA) مثل مهندسي تصميم الرقائق المحترفين، مما يزيد من تحسين قدرات تطبيق الذكاء الاصطناعي في تصميم الرقائق وعملية التحقق. ص>انطلاقًا من النتائج التي تم الكشف عنها هذه المرة، تحاول OpenAI إنشاء مجموعة من المسارات التقنية التي تستخدم الذكاء الاصطناعي لتحسين الرقائق ثم استخدام شرائح أكثر كفاءة لدعم تشغيل نماذج الذكاء الاصطناعي. ومع ذلك، فإن النتائج الرئيسية المعلنة حتى الآن لا تزال تركز على وحدات حوسبة محددة ومهام التقييم، ولا يمكن معادلتها مباشرة بنفس نسبة تحسين الأداء لوحدة معالجة الرسومات أو وحدة المعالجة المركزية بأكملها. ص> ص>
التعليقات