OpenAI ускорила дизайн чипов AMD на год за пять месяцев: модели переписали схемы флагманских GPU

Искусственный интеллект перестал быть только потребителем чипов и начал проектировать те самые микросхемы, на которых он работает. 18 ноября 2026 года OpenAI опубликовала исследование, в котором рассказала, как её модели за менее чем пять месяцев добились до 14% улучшения по метрикам мощности, производительности и площади на уже сильно оптимизированных флагманских GPU-IP компании AMD. Часть этих изменений уже включена в дизайн, отправленный в производство, а сам Грег Брокман назвал результат «беспрецедентным на передовом крае проектирования чипов». Это не лабораторный эксперимент, а реальное ускорение разработки аппаратного обеспечения, которое влияет на всю индустрию искусственного интеллекта.

Как модели OpenAI переписали схемы флагманских GPU AMD

Ключевой механизм работы заключается в том, что модели OpenAI не просто подсказывали идеи, а напрямую переписывали SystemVerilog RTL — код, который описывает, как именно работают цепи чипа на уровне регистров. Они исследовали альтернативные реализации схем, конвейерные структуры и порядок выполнения операций, ориентируясь на улучшение PPA — power, performance, area.

Каждое предложенное изменение проверялось с помощью инструментов Synopsys. Эти EDA-системы гарантировали, что функциональность блока сохраняется, и одновременно оценивали выигрыш по площади, скорости и энергопотреблению. Модели работали на уровне опытного микроархитектора: они не заменяли инженеров, а сдвигали границу того, что считалось возможным после годов ручной оптимизации со стороны AMD.

Важно, что речь идёт не о сыром прототипе, а об уже тщательно оптимизированных блоках флагманского GPU IP. Именно поэтому 14% выглядят столь весомо: в таких условиях даже однозначные проценты даются ценой больших инженерных усилий.

Что такое PPA и почему 14% считаются прорывом

В мире проектирования микросхем три буквы PPA означают вечный компромисс. Power — это энергопотребление, performance — скорость выполнения операций, area — физическая площадь, которую занимают стандартные ячейки. Улучшить один параметр без ущерба двум другим крайне сложно, особенно когда базовый дизайн уже прошёл через много итераций опытных команд.

OpenAI оценивает достигнутое как «примерно год дополнительного прогресса, сжатый в менее чем пять месяцев». AMD не ограничилась демонстрацией: некоторые изменения, сгенерированные моделями, уже вошли в дизайн, который недавно прошёл tape-out — то есть был отправлен на фабрику. Другие добавлены в производственные файлы для будущих версий. Для следующего флагманского CPU AMD также подтвердила однозначные проценты PPA-улучшений на ключевых блоках, используя дизайны, созданные моделями OpenAI.

Макросъёмка массива микросхем на кремниевой пластине
Каждый квадрат на пластине — отдельный чип с миллиардами транзисторов

От собственного чипа Jalapeño к чужим GPU

Работа с AMD — это не первый опыт OpenAI применять модели к проектированию кремния. Ещё в августе компания рассказала о своём первом кастомном inference-чипе Jalapeño, разработанном совместно с Broadcom. От начала дизайна до tape-out прошло всего девять месяцев — рекордно короткий цикл для такого класса устройств.

На Jalapeño модели также предложили конкретные оптимизации. В матричном блоке один из мультипликаторов был переделан так, что площадь сократилась примерно на 15%, а задержка упала с двух тактов до одного. В целом по чипу оценки показывают снижение площади стандартных ячеек примерно на 13% в векторном блоке и на 10% в матричном. Эти улучшения были подтверждены на реальном кремнии во время bring-up. То же самый подход, который помог создать собственный чип, теперь применяется к продуктам стороннего производителя.

Партнёрство, которое вышло за рамки простой покупки чипов

Сотрудничество OpenAI и AMD началось ещё до этого анонса. Компании заключили многолетнее соглашение, по которому OpenAI планирует развернуть до 6 гигаватт GPU Instinct. Первый гигаватт на базе MI450 ожидается во второй половине 2026 года. AMD также выдала OpenAI варрант на до 160 миллионов акций, привязанный к милестоунам по развёртыванию и техническим результатам.

Теперь партнёрство расширилось на совместную разработку. Модели OpenAI не просто оптимизируют под железо AMD — они помогают проектировать само железо. Параллельно OpenAI работает с Synopsys над моделью, которая сможет использовать инструменты проектирования так же, как это делают опытные инженеры. Это открывает дорогу к тому, чтобы подобные методы стали доступны более широкому кругу разработчиков чипов, а не только внутри двух компаний.

Что это меняет для индустрии полупроводников

Если модели способны стабильно находить однозначные улучшения в уже вылизанных дизайнах и эти изменения доходят до кремния, то цикл разработки чипов сокращается. То, что раньше требовало года итераций инженеров, теперь может уложиться в месяцы. Это особенно важно для ИИ-чипов, где спрос на вычислительные мощности растёт быстрее, чем традиционные кремниевые фабрики успевают выдавать новые поколения.

При этом речь не идёт о полной замене инженеров. Модели пока лучше всего работают в связке с человеком и с проверенными EDA-инструментами. Они ускоряют поиск вариантов и проверку гипотез, но ответственность за финальный дизайн и его надёжность остаётся на людях. Уже сейчас стартапы вроде Architect Labs привлекают инвестиции именно на том, чтобы сделать подобные возможности доступными более широкому кругу компаний.

Самоускоряющийся цикл и его последствия

Когда модели, которые запускаются на чипах, начинают лучше проектировать эти чипы, возникает положительная обратная связь. Более эффективные GPU и inference-акселераторы позволяют обучать и запускать более мощные модели, которые, в свою очередь, лучше проектируют следующие поколения железа. OpenAI уже показывает, что этот цикл работает не только на бумаге.

Для рынка это означает более жёсткую конкуренцию между поставщиками чипов и более быстрое появление специализированных решений под конкретные нагрузки. Компании, которые раньше могли позволить себе только купить готовые GPU, теперь получают возможность участвовать в их доработке. Для пользователей это в перспективе означает более дешёвые и более эффективные вычисления, потому что каждый процент эффективности на уровне кремния прямо снижает стоимость инференса.

Анонс OpenAI и AMD показывает, что граница между программным и аппаратным обеспечением в сфере искусственного интеллекта стирается быстрее, чем многие ожидали. Модели, которые ещё год назад в основном писали код и отвечали на вопросы, теперь участвуют в создании кремния, на котором они будут запущены. Это не отдалённая перспектива, а уже работающая практика, подтверждённая реальными дизайнами и первыми отправками в производство. Индустрия полупроводников входит в период, когда скорость появления новых архитектур будет определяться не только фабриками и инженерными командами, но и скоростью, с которой модели научатся находить лучшие схемы.