Immagine AI

OpenAI ha presentato i risultati delle attività di progettazione di semiconduttori condotte attraverso l’impiego dei propri modelli di intelligenza artificiale, documentando miglioramenti nella struttura circuitale delle GPU e delle CPU di AMD e nello sviluppo dei propri acceleratori proprietari. Le sperimentazioni hanno consentito di ottenere miglioramenti fino al 14% nei parametri PPA (Power, Performance and Area), che rappresentano rispettivamente il consumo energetico, le prestazioni e l’area occupata dai circuiti integrati, rispetto a configurazioni già sottoposte a un elevato livello di ottimizzazione. Alcune delle modifiche generate attraverso i modelli sono state incorporate in un progetto destinato alla fabbricazione, mentre ulteriori interventi sono confluiti nei file di progettazione utilizzati da AMD per lo sviluppo delle successive generazioni di processori.

L’attività di ottimizzazione riguarda direttamente il codice RTL (Register Transfer Level) scritto in SystemVerilog, attraverso il quale vengono descritti il comportamento dei circuiti digitali, le operazioni logiche e il trasferimento delle informazioni tra registri. I modelli possono intervenire sulla distribuzione delle operazioni all’interno delle pipeline, sulla condivisione delle risorse aritmetiche e sull’organizzazione degli elementi di memorizzazione intermedi. Le configurazioni risultanti vengono sottoposte a verifica funzionale e valutazione delle caratteristiche circuitali mediante gli strumenti di progettazione elettronica di Synopsys. OpenAI stima che il lavoro effettuato sulle GPU AMD abbia permesso di concentrare in meno di cinque mesi progressi normalmente associati a circa un anno di sviluppo. AMD ha inoltre verificato miglioramenti percentuali a una cifra in alcuni blocchi circuitali di una futura CPU di fascia alta.

Un’applicazione diretta della metodologia è rappresentata da Jalapeño, il primo chip proprietario di OpenAI destinato all’inferenza dei modelli di intelligenza artificiale, alla cui progettazione GPT-4o ha iniziato a contribuire nei primi mesi del 2025. Le modifiche suggerite dai modelli hanno determinato una riduzione stimata del 13% dell’area delle celle standard del warp engine, responsabile dell’esecuzione parallela delle operazioni, e del 10% nell’unità dedicata alle elaborazioni matriciali. La riprogettazione di un moltiplicatore ha consentito di ridurre del 15% l’area circuitale e di portare la latenza da due cicli di clock a uno, mentre un intervento analogo su un sommatore ha prodotto una riduzione dell’area del 15% mantenendo invariata la latenza. Le ottimizzazioni sono state verificate sul silicio effettivamente prodotto e hanno contribuito a un percorso di sviluppo che ha raggiunto la fase di tape-out in nove mesi.

OpenAI ha inoltre sviluppato una metodologia di valutazione comparativa basata sui processori open source RISC-V a 32 bit PicoRV32 e Ibex, quest’ultimo utilizzato nell’ambito del progetto OpenTitan. La sperimentazione ha coinvolto GPT-6.2 Astra, GPT-6 Astra, GPT-6.1 Sol, GPT-5.6 Sol e GPT-5.5, per un totale di 9.881 esecuzioni valutate. I test hanno riguardato sia l’ottimizzazione di codice RTL preesistente sia la generazione di nuove implementazioni a partire da specifiche funzionali. La valutazione delle prestazioni ha combinato la media geometrica delle istruzioni eseguite per ciclo di clock con la frequenza massima stimata attraverso Yosys, escludendo mediante un punteggio nullo le configurazioni funzionalmente errate o caratterizzate da un’area superiore a sedici volte quella originale.

Con un budget comparabile di circa 112.000 token per esecuzione, GPT-6.2 Astra ha ottenuto i risultati medi più elevati nell’ottimizzazione di entrambi i processori. Nelle attività di generazione circuitale a partire dalle specifiche, il modello ha raggiunto punteggi normalizzati superiori a 0,7 per PicoRV32 e prossimi a 0,75 per Ibex. Tutte le generazioni esaminate hanno ottenuto risultati migliori nella progettazione a partire dalle specifiche rispetto alla modifica di implementazioni RTL esistenti.

Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)

Di Fantasy