요약:
OpenAI는 최신 기술 보고서인 'OpenAI 모델을 통한 칩 설계 발전'을 발표하여 인공지능 모델을 사용하여 칩 설계를 지원하는 최신 진행 상황을 공개했습니다. OpenAI는 자사 모델이 자체 개발한 AI 추론 칩 Jalapeño의 회로 설계 최적화에 도움이 되었을 뿐만 아니라, AMD와 협력하여 플래그십 GPU 핵심 IP 모듈의 전력 소비, 성능 및 면적(PPA) 지표를 최대 14% 개선했다고 밝혔습니다.
. 최적화 결과 중 일부는 최근 AMD 제조를 위해 제출된 칩 설계에 통합되었습니다.

OpenAI는 AI 모델이 엔지니어의 코드 작성 지원에서 칩의 기본 회로 설계 및 마이크로 아키텍처 최적화로 나아가고 있다고 밝혔습니다. 이번에 발표된 결과에는 자체 개발한 AI 칩, AMD 플래그십 GPU 및 차세대 CPU는 물론 오픈 소스 RISC-V 프로세서 설계도 포함됩니다.
자체 개발 칩의 경우 OpenAI는 GPT-4o를 사용하여 2025년 초부터 Jalapeño 설계에 참여할 예정입니다. 당시의 초기 모델조차도 이미 전통적인 칩 설계 프로세스에서 최적화할 여지를 찾을 수 있었습니다.
구체적으로 Jalapeño의 벡터 컴퓨팅 장치에서 AI 모델은 부동 소수점 가산기, 승수, 데이터 변환 논리 및 파이프라인 구조를 조정하여 하드웨어 리소스 사용량과 중간 데이터 저장 요구 사항을 줄입니다. 매트릭스 컴퓨팅 장치에서는 부동 소수점 연산 및 저정밀 내적 회로를 위해 모델이 재설계되었습니다.
그 중 승수 설계 최적화는 합성 후 표준 단위의 면적을 약
15%
줄여줍니다. , 동작 지연을 2개의 클럭 사이클에서 1개의 클럭 사이클로 줄입니다. 또 다른 덧셈기 최적화는 2클럭 주기 지연을 유지하면서 약 15%의 면적 감소를 달성합니다.OpenAI는 AI 모델이 제안한 설계 수정으로 인해 궁극적으로 Jalapeño 벡터 단위의 표준 단위 면적이 약
13%
감소한 것으로 추정합니다. , 매트릭스 단위가 약10%
감소합니다. . 이러한 개선 사항은 칩의 실리콘 디버그 검증 중에 확인되었습니다.OpenAI가 위의 기능을 AMD의 상용 칩 설계에 적용하고 있다는 점은 주목할 가치가 있습니다.
OpenAI가 공개한 정보에 따르면 두 당사자는 AMD의 플래그십 GPU의 핵심 IP 모듈을 최적화하기 위해 협력했습니다. 고도로 최적화된 독창적인 설계를 기반으로 하는 OpenAI 모델은 칩 회로를 설명하는 SystemVerilog RTL 코드를 다시 작성하여 전력 소비, 성능 및 면적 표시기를 더욱 향상시킵니다. 일부 디자인의 PPA 개선은 최대
14%
에 도달합니다. .OpenAI는 이는 일반적으로 약 1년이 걸리는 설계 진행을 5개월 이내에 완료하는 것과 같다고 말했습니다.
AMD는 최근 제조를 위해 제출된 칩 설계에 일부 최적화를 적용했으며 기타 개선 사항은 생산 설계 문서에 통합되었으며 향후 버전에 계획되어 있습니다.동시에 AMD는 차세대 플래그십 CPU의 핵심 모듈에서 OpenAI 모델의 최적화 결과도 검증했으며, 관련 설계는 PPA 지표에서 한 자릿수 백분율 개선을 달성했습니다.
OpenAI는 자사 모델이 수석 마이크로 아키텍처 엔지니어와 유사한 방식으로 RTL 코드를 분석하고 컴퓨팅 로직, 제어 회로 및 데이터 전송 구조에 대한 수정을 제안할 수 있었다고 밝혔습니다. 또한 이 모델은 Synopsys의 전자 설계 자동화 도구를 활용하여 수정 사항이 원래 기능을 유지하는지 확인하고 다양한 설계의 전력, 성능 및 영역 균형을 평가합니다.
실제 칩 프로젝트 외에도 OpenAI는 두 개의 오픈 소스 32비트 RISC-V 프로세서 코어 PicoRV32 및 Ibex를 통해 다양한 세대 모델의 칩 설계 기능도 평가했습니다.
테스트에는 두 가지 유형의 작업이 포함됩니다. 하나는 기존 RTL 설계를 기반으로 프로세서 처리량을 최적화하는 것이고, 다른 하나는 텍스트 사양 요구 사항에 따라 처음부터 프로세서 RTL 설계를 생성하는 것입니다.
결과는 실행당 약 112,000개의 토큰이라는 비슷한 예산으로
GPT-6.2 Astra가 두 프로세서 코어의 RTL 최적화 작업에서 가장 높은 평균 점수를 달성한 것으로 나타났습니다
. 그 중 PicoRV32 테스트에서는 평균 점수가 GPT-6 Astra의 약 2배 수준이다.더 주목할 만한 점은 텍스트 사양에서 직접 RTL 디자인을 생성하는 작업에서 테스트된 5개 모델 모두 기존 디자인을 최적화하는 작업보다 두 프로세서 모두에서 더 높은 점수를 얻었습니다. GPT-6.2 Astra는 PicoRV32 테스트에서 0.7 이상, Ibex 테스트에서 약 0.75의 평균 정규화 점수를 달성했습니다.
이 평가에는 총
9881 득점 실행
이 포함되었습니다. , 다양한 모델, 작업, 프로세서 코어 및 토큰 예산을 다룹니다.그러나 OpenAI는 이러한 테스트에도 여전히 한계가 있다고 지적했습니다. 모델은 사양에서 프로세서를 재설계할 때 성능 카운터나 일부 추가 지침과 같은 기능을 생략할 수 있으므로 점수가 높다고 해서 반드시 새로운 설계가 실제 제품에서도 똑같이 유리하다는 의미는 아닙니다. 앞으로도 더욱 엄격한 기능 요구 사항, 칩 영역 제한, 물리적 합성 후 타이밍 확인이 계속 추가되어야 할 것입니다.
다음 단계에서 OpenAI는 칩 설계 소프트웨어 제조사인 Synopsys와의 협력을 발표했으며, 트레이닝 이름은
GPT-Synopsys
입니다. 새로운 모델을 통해 전문 칩 설계 엔지니어와 같은 전자설계자동화(EDA) 도구를 사용할 수 있어 칩 설계 및 검증 과정에서 AI 적용 역량이 더욱 향상된다.이번 공개된 결과로 볼 때, OpenAI는 AI를 활용해 칩을 최적화한 후, 보다 효율적인 칩을 사용해 AI 모델의 운영을 지원하는 일련의 기술 경로를 구축하려고 노력하고 있습니다. 그러나 지금까지 발표된 주요 결과는 여전히 특정 컴퓨팅 모듈과 평가 작업에 초점을 맞추고 있으며 전체 GPU나 CPU의 성능 향상 비율과 직접적으로 동일시될 수는 없습니다.
댓글