Tóm tắt nhanh
- OpenAI công bố mức cải thiện tới 14% PPA trên IP GPU cao cấp của AMD, so với thiết kế nền đã được tối ưu kỹ.
- Mô hình viết lại mã SystemVerilog RTL; công cụ Synopsys kiểm tra hành vi mạch và các đánh đổi thiết kế.
- Đây không phải kết quả đo hiệu năng của cả card đồ họa, cũng không đồng nghĩa FPS tăng 14%.
- Thử nghiệm RISC-V cho thấy thiết kế từ đặc tả đạt điểm cao hơn sửa mã sẵn có, nhưng còn khoảng cách với yêu cầu sản xuất.
OpenAI công bố AI đã giúp AMD cải thiện tới 14% PPA trên IP GPU cao cấp so với thiết kế nền được tối ưu kỹ, bằng cách viết lại mã mô tả mạch SystemVerilog RTL. Điểm đáng chú ý nằm ở chỗ mô hình vẫn tìm được cách sửa có ích trên thiết kế đã qua tay kỹ sư, chứ không phải tạo ra toàn bộ GPU mới.
Theo công bố của OpenAI, AMD đã đưa một phần thay đổi vào thiết kế gửi đi sản xuất, còn những thay đổi khác được bổ sung vào tệp thiết kế dùng cho các phiên bản sau. Hãng cũng cho biết AMD xác nhận mức cải thiện PPA theo tỷ lệ phần trăm một chữ số ở các khối chính của CPU cao cấp thế hệ tiếp theo.
Giá trị nằm ở mạch tốt hơn, không phải lời hứa tăng FPS

PPA là cách gọi nhóm tiêu chí điện năng, hiệu năng và diện tích. Khi tối ưu mạch, các tiêu chí này có thể đánh đổi với nhau: cách tổ chức phép tính giúp xử lý nhanh hơn chưa chắc chiếm ít diện tích hơn, còn giảm phần cứng lưu trữ trung gian có thể buộc thay đổi cách chia công việc theo chu kỳ.
Vì vậy, mức cải thiện tới 14% mà OpenAI công bố phải được giữ đúng phạm vi IP GPU và thiết kế nền đã tối ưu kỹ. Công bố không đưa ra kết quả chơi game hay phép đo cả card đồ họa, nên lấy con số ấy làm mức tăng FPS sẽ biến kết quả kỹ thuật thành một lời hứa khác hẳn.
Mô hình can thiệp ở RTL, lớp mã mô tả cách các mạch tính toán, điều khiển và luân chuyển dữ liệu hoạt động. Công cụ Synopsys được dùng để kiểm tra từng cách viết lại có giữ nguyên hành vi của khối mạch hay không, đồng thời đánh giá đánh đổi PPA. Một thay đổi trông hợp lý trong mã vẫn cần đi qua kiểm chứng; khả năng đề xuất của AI không thay thế được khâu này.
OpenAI ước tính những cải tiến trên IP GPU tương đương khoảng một năm tiến độ đạt được trong chưa đầy 5 tháng. Đây là đánh giá của bên tham gia dự án về phần việc tối ưu, không có nghĩa toàn bộ quy trình phát triển chip AMD đã được rút xuống dưới 5 tháng.
Với người đang chọn linh kiện tại Việt Nam, tin này chưa đủ làm lý do hoãn mua để chờ một GPU nhanh hơn theo đúng tỷ lệ công bố. Lợi ích ở cấp mạch có thể mở thêm dư địa cho thiết kế sản phẩm, nhưng muốn biết nó chuyển thành tốc độ hay điện năng ra sao vẫn cần thông số và phép đo của sản phẩm hoàn chỉnh. Không nên tự gắn kết quả này với một mẫu Radeon hay Ryzen cụ thể khi công bố chưa xác định.
Các kết quả trên Jalapeño giúp nhìn rõ hơn kiểu công việc AI đang làm. Theo OpenAI, một thiết kế lại bộ nhân giảm khoảng 15% diện tích cell khi tổng hợp, đồng thời giảm độ trễ từ hai chu kỳ xuống một; một bộ cộng khác giảm khoảng 15% diện tích nhưng giữ độ trễ hai chu kỳ. Đó là những thay đổi khác nhau, không thể gộp thành một mức tăng hiệu năng chung.
| Phạm vi | Kết quả được công bố | Điều kiện cần giữ |
|---|---|---|
| IP GPU cao cấp AMD | Cải thiện PPA tới 14% | So với thiết kế nền đã được tối ưu kỹ; không phải phép đo cả GPU |
| Các khối chính trên CPU AMD thế hệ tiếp theo | Cải thiện PPA ở tỷ lệ phần trăm một chữ số | Không có tỷ lệ cụ thể cho toàn bộ CPU |
| Bộ nhân trên Jalapeño | Giảm khoảng 15% diện tích cell; độ trễ từ 2 xuống 1 chu kỳ | Kết quả của một thiết kế lại bộ nhân khi tổng hợp |
| Bộ cộng trên Jalapeño | Giảm khoảng 15% diện tích cell; giữ độ trễ 2 chu kỳ | Một thiết kế lại riêng, không phải cùng phép thử với bộ nhân |
| Khối vector Jalapeño | Giảm khoảng 13% diện tích standard-cell | Ước tính của nhóm thiết kế cho các thay đổi do mô hình đề xuất |
| Khối ma trận Jalapeño | Giảm khoảng 10% diện tích standard-cell | Ước tính cho cả khối; không phải mức giảm diện tích toàn chip |
Số liệu: OpenAI. Các tối ưu Jalapeño đã được kiểm chứng khi đưa silicon vào hoạt động.
Điểm RISC-V cao hơn vẫn chưa đủ chứng minh thiết kế sẵn sàng sản xuất
Tự thiết kế từ đặc tả có thể cho AI nhiều không gian tối ưu hơn sửa mã cũ, nhưng kết quả đẹp hơn cũng có thể đến từ việc bỏ bớt tính năng. Đây là giới hạn quan trọng khi dùng bài thử lõi nhỏ để hình dung khả năng thiết kế chip thương mại.
OpenAI thử mô hình trên PicoRV32 và Ibex, hai lõi RISC-V 32-bit nguồn mở, với hai nhiệm vụ: cải thiện RTL có sẵn và dựng lõi từ yêu cầu bằng văn bản cùng mẫu kết nối hệ thống. Hai nhiệm vụ giữ chung kiểm tra tính đúng, thiết lập bộ nhớ và cache, cũng như mục tiêu thông lượng.
Trong bài thử này, thiết kế sai kiểm tra hoặc dùng diện tích quá 16 lần lõi gốc bị chấm 0. Những thiết kế còn lại được đo số lệnh mỗi chu kỳ trên các tác vụ ẩn với mô hình; trung bình nhân của kết quả được nhân với tần số tối đa ước tính bằng Yosys để tính thông lượng. Thiết kế có thông lượng tốt nhất quan sát được trong cùng ràng buộc được gán điểm 1,0, còn điểm trung bình tính cả các lượt thất bại.
Với ngân sách khoảng 112.000 token mỗi lượt, OpenAI ghi nhận GPT-6.2 Astra đạt điểm trung bình cao nhất trên cả hai lõi. Cũng ở ngân sách đó, cả năm mô hình được thử đều đạt điểm cao hơn khi dựng lõi từ đặc tả thay vì cải thiện thiết kế có sẵn. Toàn bộ đánh giá gồm 9.881 lượt được chấm, trải trên hai nhiệm vụ, hai lõi và các mức ngân sách token.
Tuy nhiên, thiết kế từ đặc tả cho phép bỏ những tính năng của lõi gốc như bộ đếm hiệu năng và một số lệnh bổ sung. Nếu các tính năng ấy ít giúp ích cho tác vụ chấm điểm, bỏ chúng có thể làm kết quả tốt hơn mà không chứng minh lõi mới thay thế đầy đủ lõi cũ. Trần diện tích rộng cũng khiến điểm số này không thể dùng như thước đo trực tiếp cho mức tiết kiệm silicon ở AMD.
Hướng ứng dụng thuyết phục hơn lúc này là dùng mô hình tìm phương án RTL rồi buộc phương án đó qua công cụ kiểm chứng và ràng buộc thực tế. Chính công bố của OpenAI cũng nêu các bước cần siết để bài thử gần sản xuất hơn: yêu cầu giữ đủ tính năng, giới hạn diện tích chặt hơn và kiểm tra timing sau tổng hợp vật lý. Đó mới là những điều cần theo dõi trước khi suy từ điểm RISC-V sang khả năng tự thiết kế chip hoàn chỉnh.
Nguồn tham khảo: OpenAI; Tom’s Hardware.







