OpenAI公布的重点不是“AI未来可能会造芯”,而是模型已经在AMD旗舰GPU关键IP和自研Jalapeño芯片上做出可量化优化:AMD项目最高取得约14%的PPA改进,部分方案已进入近期送制设计;Jalapeño的向量、矩阵单元面积也已在流片调试阶段验证缩减。
14%
AMD旗舰GPU关键IP最高PPA改进
<5个月
OpenAI称完成约一年的设计进展
13%
Jalapeño向量单元标准单元面积缩减
10%
Jalapeño矩阵单元标准单元面积缩减
先看清:这次公布的到底是什么成果
成果边界
OpenAI披露的是模型已进入真实芯片设计流程,而非停留在实验室演示。它一边在AMD多年优化过的旗舰GPU IP上继续改RTL代码做增量优化,一边把同类方法用于自研推理芯片Jalapeño,并给出已验证的面积改进结果。
AMD GPU关键IP
14% PPA提升
Jalapeño向量单元
13% 面积缩减
Jalapeño矩阵单元
10% 面积缩减
三组数据量纲不同:第一行是PPA综合改进,后两行是面积缩减,因此这里只做各自结果展示,不解释为同一坐标下的性能排名。
数据来源:OpenAI技术报告及转述报道;统计口径:AMD为“关键IP最高PPA改善”,Jalapeño为“对应单元标准单元面积缩减”。
“5个月做完1年工作量”具体发生在哪条链路
1
改RTL代码
模型直接重写SystemVerilog RTL,不是只提建议,而是下到电路描述层做修改。
2
做微架构取舍
它会围绕功耗、性能、面积三项指标反复试探,寻找更优平衡点。
3
接EDA验证
每次改写后都调用Synopsys工具验证功能不变,再评估PPA结果。
两分钟速览一家明星公司(4):挑战巨人的cerebras 连 amd 都投了,它真能成为“挑战英伟达的弑神者”?
雁爱品
别把14%读成“整颗GPU快了14%”
正确理解
PPA
PPA是功耗、性能、面积的综合设计指标,常常此消彼长。报道里的14%,指关键IP模块在这组三角约束下取得的最高综合改善。
容易误读
≠整卡帧率
它不是整颗GPU对消费者可感知的统一提速数字,更不能直接换算成显卡跑分、售价或整机能耗马上变化。
技术口径
对象是AMD旗舰GPU里的“关键IP模块”,不是从零新造一整颗芯片。
起点是“已经被AMD工程师多年优化过的基线”,因此更像在成熟设计上继续抠增量。
AMD下一代旗舰CPU关键模块也拿到了个位数百分比PPA改善,但公开信息未给出更精确数值。
实验室分数和量产采用,中间隔着哪几步
2026年11月19日
OpenAI公开成果
北京时间11月19日,OpenAI发布芯片设计报告,首次把AMD与Jalapeño案例一并公开。
2026年11月19日
AMD已用部分方案
部分改动已进入近期提交制造的设计,另一些被写入生产设计文件,留待后续版本。
2026年11月19日
Jalapeño过硅验证
OpenAI称,相关单元的面积优化已在Jalapeño流片调试阶段得到验证。
2025年初
更早模型已参设计
OpenAI称从2025年初起,GPT-4o就开始参与Jalapeño的设计探索。
Astra“领跑”放在哪个语境里才成立
模型能力
在OpenAI给两款开源32位RISC-V处理器做的评估里,GPT-6.2 Astra在RTL优化任务上拿到最高平均得分;PicoRV32测试中,其平均分约为GPT-6 Astra的两倍。
边界提醒
但“Astra领跑”说的是芯片设计相关评测中的模型能力,不等于“因为Astra刚发布,所以AMD和Jalapeño成果全由同一代模型完成”。公开信息只说明两者存在能力延续关系,不能机械画等号。
这件事先影响谁,普通用户又该怎么理解
短期
最先被改写的是芯片公司的研发流程:把改RTL、做微架构试探、跑EDA验证这些原本更依赖资深工程师的环节,压缩成更高频的人机协作。
不到5个月做出约一年的进展,意味着价值主要体现在设计周期和迭代速度,而不是明天显卡立刻降价。
中期
如果PPA改进稳定复制到更多模块,芯片厂能在相同功耗墙下挤出更多性能,或在相同性能目标下降低面积与能耗,这会继续推动算力竞赛。
对云厂商和企业采购者,更现实的意义是训练与推理基础设施的设计节奏可能加快,成本影响会先在研发端出现,再逐步传导到服务端。
三方角色分工,能看出AI造芯的真实边界
模型方
OpenAI
强调模型已能像资深微架构工程师那样分析RTL,并把修改结果放进真实验证流程。
来源:OpenAI技术报告转述
芯片方
AMD
已把部分优化用于近期提交制造的设计,说明成果开始触及量产文件,而非只留在演示材料里。
来源:AMD合作进展转述
工具链
Synopsys
承担验证与评估环节,显示现阶段AI不是脱离EDA单飞,而是嵌进现有芯片设计工具链。
来源:Synopsys工具链协同转述