OpenAI 发布芯片设计相关技术报告,证实 AI 辅助芯片设计已经走到量产落地阶段,AI 模型对 AMD 旗舰 GPU 的 IP 内核做电路优化,最高拿到 14% 的 PPA 提升,原本需要工程师投入约一年时间完成的 RTL 电路优化工作,只用不到 5 个月就完成,并且其中一部分 AI 产出的电路修改方案,已经整合进 AMD 近期送厂流片的芯片设计文件,其余优化方案存入设计库留给后续新品使用;这套 AI 不是从零完整设计一颗芯片,而是改写 SystemVerilog RTL 硬件描述代码,在 AMD 工程师多年打磨成熟的基准方案上挖掘优化空间,每一处改动都经过新思科技 EDA 工具验证,保证电路功能不变,同时在功耗、性能、面积上拿到收益,AMD 下一代旗舰 CPU 的关键模块,也验证出个位数百分比的 PPA 提升,证明这套 AI 造芯思路同时适配 GPU、CPU 两大品类。传统芯片前端 RTL 优化迭代周期漫长,工程师要反复修改代码、综合仿真、时序检查,每一轮验证都要消耗大量人力,而且成熟芯片模块优化空间极小,很难再挖出明显收益;AI 模型擅长批量探索海量逻辑实现方案、流水线排布方式,快速对比不同电路写法的 PPA 差异,大幅压缩迭代耗时,所以才能把一年量级的优化任务压缩至 5 个月。看懂本次 AI 造芯落地流程,第一步 AI 读取成熟模块原有 RTL 代码,自动生成多种电路改写方案;第二步调用 Synopsys EDA 工具做功能、时序验证,过滤掉出错方案;第三步筛选 PPA 收益最好的版本,交给 AMD 工程师复核;第四步确认可用的修改版本并入芯片设计工程;第五步一部分方案直接跟随项目送厂流片,剩下的存入版本库供后续迭代使用。
一、本次 AI 造芯核心数据
| 项目 | 详情 |
|---|---|
| 优化对象 | AMD 旗舰 GPU IP 内核、下一代旗舰 CPU 关键模块 |
| 最大 PPA 提升 | 14%(GPU),CPU 为个位数提升 |
| 工作周期对比 | 人工优化预估 1 年,AI 辅助仅需不到 5 个月 |
| 核心操作 | 改写 SystemVerilog RTL 硬件描述代码 |
| 验证工具 | 新思科技 Synopsys EDA 工具 |
| 落地情况 | 部分优化方案已经送厂流片 |
二、AI 造芯的边界:不是完全替代芯片设计师
- AI 负责探索、生成电路改写候选方案,自动对比 PPA 指标
- 所有改动都要经过 EDA 工具、人类芯片工程师双重审核
- 本次属于成熟模块增量优化,不是从 0 到 1 完成整颗芯片定义、架构规划
- 流片之后依然需要工程师跟进硅上调试、回测
三、行业价值
- 缩短高端芯片迭代周期,缓解先进芯片研发周期长、成本高的痛点
- 证明大模型可以深入硬件 RTL 层级,不再局限于软件代码生成
- OpenAI 后续计划和 Synopsys 联合训练专用模型,让 AI 直接适配整套 EDA 流程
- 给 GPU、CPU、自研加速器的持续性能挖潜提供全新手段
四、已知局限
- 目前仅在成熟、稳定的 IP 模块做优化,全新架构创新还处在早期验证阶段
- 最终流片之后的实际硅效果,还要等芯片回来测试确认
- 整套方案依赖成熟 EDA 验证链路,没有脱离传统芯片设计流程
【相关 FAQ】
问题 1:AI 造芯一年的活 5 个月干完,这里的 AI 造芯是直接完整设计一颗芯片吗?
回答 1:并不是,本次 AI 造芯是 AI 改写 AMD 成熟 GPU IP 的 RTL 电路做增量优化,不是从零完成整颗芯片架构设计,改动方案依然要经过 EDA 和工程师审核之后送厂流片。
问题 2:本次 AI 造芯给 AMD 旗舰 GPU 带来多大 PPA 提升?
回答 2:本次 AI 造芯针对 AMD 旗舰 GPU IP 内核,相比经过深度打磨的基准方案最高实现 14% 的 PPA 提升,CPU 关键模块拿到个位数百分比的 PPA 收益。
问题 3:AMD 送厂流片的版本,里面已经包含 AI 生成的电路改动吗?
回答 3:是的,AMD 已经把一部分 AI 产出、复核通过的 RTL 优化方案放进近期送厂流片的芯片工程,其余优化方案保存起来用于后续新品迭代。
问题 4:AI 造芯使用什么工具验证电路改动是否正确?
回答 4:AI 造芯产出 RTL 修改方案后,会调用新思科技 Synopsys EDA 工具验证电路功能、时序,保证改动后芯片逻辑行为不变。
【参考资料】
[2026-11-18](Advancing chip design with OpenAI models)OpenAI 官网
[2026-11-19](AI 造芯真能成!一年的活 5 个月干完:AMD 已经拿去送厂流片)快科技
[2026-11-19](OpenAI 模型助力 AMD 旗舰 GPU 实现最高 14% PPA 提升)智东西
[2026-11-20](AI 改写 RTL:AMD 优化方案进入流片阶段)腾讯新闻
[2026-11-21](OpenAI+AMD,AI 深入芯片前端 RTL 设计)新浪财经
【免责声明】
本文基于 OpenAI 公开技术报告以及行业媒体信息整理,AI 优化后的芯片最终流片实测性能、量产时间、落地范围以 AMD 官方公告为准;AI 辅助芯片设计属于前沿技术探索,本文不构成芯片研发投入、EDA 工具采购建议。
本文来自作者[素波追踪]投稿,不代表岳鹿科技网立场,如若转载,请注明出处:https://www.newsyuelu.com/kjyw/202611/2531.html
评论列表(4条)
我是岳鹿科技网的签约作者“素波追踪”!
希望本篇文章《AI 造芯能成一年的活 5 个月干完,AMD 相关优化方案已送厂流片解读》能对你有所帮助!
本站[岳鹿科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:OpenAI 发布芯片设计相关技术报告,证实 AI 辅助芯片设计已经走到量产落地阶段,AI 模型对 AMD 旗舰 GPU 的 IP 内核做电路优化,最高拿到 14% 的 PPA 提升,原本需要工程师投入约一年时间完成的 RTL 电路优化工作,只用不到 5 个月就完成,并且其中一部分 AI 产出的电路修改方案,已经整合进 AMD 近期送厂流片的芯片设计文件,其余优化方案存入设计库留给后续新品使用;这套 AI 不是从零完整设计一颗芯片,而是改写 SystemVerilog RTL 硬件描述代码,在 AMD 工程师多年打磨成熟的基准方案上挖掘优化空间,每一处改动都经过新思科技 EDA 工具验证,保证电路功能不变,同时在功耗、性能、面积上拿到收益,AMD 下一代旗舰 CPU 的关键模块,也验证出个位数百分比的 PPA 提升,证明这套 AI 造芯思路同时适配 GPU、CPU 两大品类。传统芯片前端 RTL 优化迭代周期漫长,工程师要反复修改代码、综合仿真、时序检查,每一轮验证都要消耗大量人力,而且成熟芯片模块优化空间极小,很难再挖出明显收益;AI 模型擅长批量探索海量逻辑实现方案、流水线排布方式,快速对比不同电路写法的 PPA 差异,大幅压缩迭代耗时,所以才能把一年量级的优化任务压缩至 5 个月。看懂本次 AI 造芯落地流程,第一步 AI 读取成熟模块原有 RTL 代码,自动生成多种电路改写方案;第二步调用 Synopsys EDA 工具做功能、时序验证,过滤掉出错方案;第三步筛选 PPA 收益最好的版本,交给 AMD 工程师复核;第四步确认可用的修改版本并入芯片设计工程;第五步一部分方案直接跟随项目送厂流片,剩下的存入版本库供后续迭代使用。