AI Aulis

AI-UUTISET SUOMEKSI · 19.11.2026

Tekoälyalan tärkeimmät uutiset joka aamu. Tekoäly kirjoittaa ja tarkastaa jutut alkuperäisiä lähteitä vasten – tarkista tärkeät tiedot lähteistä.

38 juttua · seuraava numero huomenna aamulla · Miten lehti tehdään →

← Numero 19.11.2026Lehti

OpenAI: mallit paransivat AMD:n GPU-suunnittelua jopa 14 prosenttia

Tekoälyn tuottama sisältöTekoälyn kirjoittama

openai.com, the-decoder.com, x.com · 3 lähdettä · Lähteet julkaistu: 18.11.2026

OpenAI:n mukaan sen mallit löysivät alle viidessä kuukaudessa jopa 14 prosentin parannuksia AMD:n pitkälle optimoituun GPU-suunnitteluun. Yhtiön mukaan AMD on jo vienyt osan muutoksista valmistukseen.

OpenAI kertoi 18. marraskuuta blogissaan, että sen mallit kirjoittivat uudelleen AMD:n lippulaiva-GPU:n piirikuvauksia. Piirikuvaus on SystemVerilog-kielellä kirjoitettua koodia, joka määrittää piirin logiikan. OpenAI:n mukaan malli tarkisti jokaisen muutoksen Synopsysin suunnitteluohjelmilla. Niillä malli varmisti piirilohkon toiminnan säilyneen ennallaan ja arvioi muutoksen vaikutuksen tehonkulutukseen, suorituskykyyn ja pinta-alaan (PPA).

Jopa 14 prosentin parannus on paras tulos, ja vertailukohtana ovat AMD:n jo pitkälle optimoidut suunnitelmat. OpenAI ei kerro, mitä lohkoja tai mitä kolmesta tavoitteesta se koskee. Yhtiön arvion mukaan tulos vastaa noin vuoden kehitystä, joka saavutettiin alle viidessä kuukaudessa. OpenAI kertoo myös, että AMD on jo lisännyt osan muutoksista valmistukseen lähetettyyn suunnitelmaan. Lisäksi AMD on yhtiön mukaan todennut yksinumeroisia PPA-parannuksia seuraavan sukupolven suorittimensa keskeisissä lohkoissa. Kaikki AMD:tä koskevat tiedot ovat OpenAI:n kertomia, ja myös The Decoder -sivuston uutinen perustuu OpenAI:n tiedotteeseen.

OpenAI käytti samaa menetelmää oman Jalapeño-inferenssipiirinsä suunnittelussa vuoden 2025 alusta, aluksi GPT-4o-mallin kanssa. Yksi mallin uudelleen suunnittelema kertolaskuyksikkö vei synteesissä noin 15 prosenttia vähemmän solupinta-alaa, ja sen viive lyheni kahdesta kellojaksosta yhteen. OpenAI:n tiimi arvioi, että mallin muutokset pienensivät standardisolujen pinta-alaa vektoriyksikössä noin 13 prosenttia ja matriisiyksikössä 10 prosenttia. Yhtiön mukaan parannukset toimivat valmiissa piirissä.

Mallisukupolvia OpenAI vertasi kahdella avoimen lähdekoodin RISC-V-suoritinytimellä, PicoRV32:lla ja Ibexillä. Mallien piti kasvattaa ytimen sekunnissa suorittamien käskyjen määrää. Luku perustui malleilta piilotettuihin testikuormiin ja Yosys-työkalulla arvioituun enimmäiskellotaajuuteen. Jos suunnitelma ei läpäissyt tarkistuksia tai sen pinta-ala oli yli 16-kertainen alkuperäiseen verrattuna, se sai nolla pistettä. Paras havaittu tulos sai arvon 1,0. Pisteet kertovat siis, kuinka lähelle parasta nähtyä ratkaisua malli pääsi. Ne eivät kerro nopeutusta alkuperäiseen ytimeen verrattuna. Noin 112 000 tokenin ajokohtaisella budjetilla GPT-6.2 Astra sai molemmilla ytimillä korkeimmat keskimääräiset pisteet. PicoRV32:lla sen pisteet olivat noin kaksinkertaiset GPT-6 Astraan verrattuna.

Toisessa tehtävässä mallit suunnittelivat ytimen kirjallisten vaatimusten pohjalta. Samalla noin 112 000 tokenin budjetilla kaikki viisi mallia saivat siinä paremmat pisteet kuin olemassa olevaa ydintä parantaessaan. GPT-6.2 Astra sai tällä budjetilla Ibexillä keskimäärin noin 0,75 pistettä. OpenAI huomauttaa itse, että mallit saattoivat jättää pois alkuperäisten ytimien ominaisuuksia, kuten suorituskykylaskurit ja lisäkäskyt. Tämä voi selittää osan erosta. Yhtiön mukaan testi vastaisi paremmin tuotantosuunnittelua, jos siinä vaadittaisiin nämä ominaisuudet, tiukempi pinta-alaraja ja ajoituksen tarkistus fyysisen synteesin jälkeen.

Seuraavaksi OpenAI kouluttaa yhdessä Synopsysin kanssa GPT-Synopsys-mallia, jonka on määrä käyttää Synopsysin piirisuunnitteluohjelmia (EDA-työkaluja) asiantuntijasuunnittelijan tavoin.

Aiemmin aiheesta

Ilmoita virheestä tässä jutussa