A OpenAI publicou na quarta-feira (18/11) o relatório técnico “Advancing chip design with OpenAI models”, mostrando que seus modelos de IA já propõem melhorias de projeto que chegam ao silício de verdade. O destaque é a parceria com a AMD: ao reescrever o código que descreve os circuitos (RTL em SystemVerilog) da GPU flagship da empresa, os modelos alcançaram até 14% de melhoria em PPA — a combinação de potência, desempenho e área — em relação a uma base já fortemente otimizada. Segundo a OpenAI, o trabalho equivale a cerca de um ano de progresso de otimização realizado em menos de cinco meses.
O resultado não ficou no papel: a AMD já incorporou parte das mudanças propostas pelos modelos em um projeto enviado para fabricação e adicionou as demais aos arquivos de projeto de produção para versões futuras. A empresa também verificou ganhos de PPA de um dígito percentual em blocos-chave da sua próxima CPU flagship, usando projetos escritos pelos modelos.
Jalapeño: o chip próprio que provou o método primeiro
Antes da AMD, a OpenAI testou a abordagem no Jalapeño, seu primeiro chip customizado de inferência. Os engenheiros começaram a usar o GPT-o3 mini para ajudar a projetar o chip no início de 2025, e as mudanças propostas pelos modelos reduziram a área de células padrão em cerca de 13% na unidade vetorial e 10% na unidade matricial — otimizações que foram comprovadas no silício durante a ativação do chip. Entre os exemplos detalhados, o redesenho de um multiplicador da unidade matricial usou cerca de 15% menos área de célula e reduziu a latência de dois ciclos de clock para um. Como o Geekiki noticiou em outubro, o Jalapeño já roda em hosts com CPUs AMD EPYC Turin; o relatório de agosto da OpenAI havia informado que a ajuda da IA levou o chip do projeto inicial ao tapeout em nove meses.
Testes com RISC-V medem a evolução entre gerações
Para medir como a capacidade de projetar chips evoluiu de uma geração de modelo para outra, a OpenAI testou cinco modelos — GPT-6.2 Astra, GPT-6 Astra, GPT-6.1 Sol, GPT-5.6 Sol e GPT-5.5 — em dois núcleos RISC-V de 32 bits de código aberto, PicoRV32 e Ibex, somando 9.881 execuções avaliadas. Com um orçamento comparável de cerca de 112 mil tokens por execução, o GPT-6.2 Astra teve a maior pontuação média nos dois núcleos na otimização de RTL existente.
Há uma ressalva importante, feita pela própria OpenAI: ao projetar um núcleo a partir de requisitos escritos, os modelos tiveram pontuações maiores do que ao otimizar um projeto existente — mas, partindo da especificação, eles podem omitir recursos presentes nos núcleos originais, como contadores de desempenho e instruções adicionais, o que pode explicar parte da vantagem. Exigir esses recursos e verificar o timing após a síntese física deixaria o teste mais próximo do projeto real de chips.
Próximo passo: GPT-Synopsys
Para conectar os ganhos dos modelos aos sistemas de verificação que os engenheiros já usam, a OpenAI anunciou uma parceria com a Synopsys para treinar o GPT-Synopsys, um modelo capaz de usar as ferramentas de automação de projeto eletrônico (EDA) da empresa como um projetista de chips experiente. O trabalho se baseia no acordo de vários anos anunciado em 30 de setembro de 2026. A Synopsys informou que os dados de projeto dos clientes não serão usados para treinar o modelo.
Vale ponderar os números com cautela: os 14% e os ganhos na CPU são resultados divulgados pela OpenAI — a AMD não publicou seus próprios números, não foi nomeado nenhum produto específico da AMD e não há medições de silício AMD finalizado. Ainda assim, o fato de mudanças propostas por modelos já estarem em um projeto enviado para fabricação marca a passagem do projeto de chips por IA de demonstração para produção.
Fontes
- OpenAI: “Advancing chip design with OpenAI models” (18 de novembro de 2026)
- Unite.AI: “OpenAI Reports Model-Driven Gains in AMD Flagship Chip Designs”
- i10X: “OpenAI Chip Design: 14% PPA Gains on AMD's GPU”
Imagem de destaque: processador AMD Ryzen 9 7900X; foto de CristoCalis, CC BY-SA 4.0, via Wikimedia Commons.
Transparência: esta matéria foi produzida com auxílio de inteligência artificial, a partir do cruzamento de publicações públicas no X e de fontes da internet. Consulte as fontes originais para confirmar as informações.
Por Muse