Темы



ChatGPT оптимизировала будущие процессоры AMD — GPU стал эффективнее на 14%

Коротко сгенерировано ИИ по тексту статьи
  • Модели OpenAI оптимизировали RTL-код будущих флагманских GPU AMD: совокупные показатели энергопотребления, производительности и площади улучшились до 14%.
  • Для процессоров AMD зафиксировали улучшения на несколько процентов; разработка, по оценке OpenAI, сократилась примерно с года до менее чем пяти месяцев.
  • В тестах оптимизации ядер PicoRV32 и Ibex лучший результат и наименьшую стоимость решений показала GPT-6.2 Astra.
media-0ed21309bd6f3fad6c068c3b357d6bf39d1af1cae2bff1758e25c5587ff952c2.jpg

Модели искусственного интеллекта OpenAI помогли AMD оптимизировать конструкцию будущих флагманских графических процессоров. По данным компании, применение ИИ позволило улучшить ключевые показатели GPU сразу на 14%, а также добиться менее значительного, но измеримого прогресса в разработке процессоров.

Модели анализировали и переписывали код SystemVerilog RTL — языка, который используется для описания цифровых схем и проектирования современных чипов. ИИ искал способы улучшить соотношение энергопотребления, производительности и площади кристалла (PPA). В результате оптимизация GPU дала прирост до 14% по совокупности этих показателей. Для процессоров AMD зафиксировала улучшения на несколько процентов.

В OpenAI утверждают, что модели рассуждали над RTL-кодом на уровне опытного специалиста по микроархитектуре. По оценке компании, выполненная работа позволила сократить примерно год традиционной разработки до менее чем пяти месяцев. При этом оптимизация ещё не завершена: OpenAI рассчитывает добиться других улучшений как в GPU, так и в CPU.

Возможности моделей проверяли и на других проектах. Исследователи предлагали ИИ оптимизировать процессорные ядра PicoRV32 и Ibex, оценивая результаты по пропускной способности, тактовой частоте и занимаемой площади. В тестировании участвовали несколько крупных языковых моделей, причём лучшим результатом отметилась GPT-6.2 Astra — она показала наиболее высокую оценку оптимизации и наименьшую итоговую стоимость решений в рамках заданных ограничений.

Эксперименты также показали, что ИИ эффективнее справлялся с задачами, когда мог фактически заново спроектировать чип на основе исходных требований, а не просто улучшать уже существующий код. При этом OpenAI не раскрыла, использовались ли для работы обычные версии GPT или специализированные модели, обученные для проектирования микросхем.

Это не первый опыт OpenAI в разработке аппаратного обеспечения. Ранее компания сотрудничала с Broadcom над собственным ускорителем искусственного интеллекта Jalapeno, образцы которого уже проходили испытания на реальных нагрузках. Кроме того, OpenAI работает с Synopsys над специализированной моделью GPT-Synopsys для автоматизации проектирования чипов.

©  iXBT

Об этом также пишут