# OpenAI steigert GPU-Effizienz von AMD in fünf Monaten um bis zu 14 Prozent

> OpenAIs KI-Modelle verbesserten Leistung, Energieverbrauch und Chipfläche von AMDs Spitzen-GPU um rund 14 Prozent. Laut AMD entspricht das einem Jahr Entwicklungsarbeit.

Oossa · 2026-11-18 · https://oossa.com/de/openai-helps-amd-boost-gpu-efficiency-by-up-to-14-in-five-months

OpenAI hat bekannt gegeben, dass seine KI-Modelle zur Optimierung des GPU-Designs von AMDs Spitzenmodell eingesetzt wurden. In weniger als fünf Monaten erzielten die Modelle eine Verbesserung von bis zu 14 Prozent bei Energieverbrauch, Leistung und Chipfläche – den drei Kennzahlen, die AMD unter dem Kürzel PPA zusammenfasst. Laut AMD entspricht dieser Fortschritt ungefähr einem Jahr Arbeit, das die Ingenieure zusätzlich zu einem Design benötigen würden, an dem bereits seit Jahren gefeilt wird. Einige Änderungen sind bereits in eine Chipversion eingeflossen, die nun in die Fertigung geht.

Die Arbeit erfolgte gemeinsam mit AMDs Hardwareteam. OpenAI versorgte seine GPT-ähnlichen Modelle mit Layout- und Timing-Daten, sodass die KI kleine Anpassungen vorschlagen konnte, die den Stromverbrauch senken, Berechnungen beschleunigen oder die Chipfläche verkleinern. Nach Angaben des Unternehmens half derselbe Ansatz auch bei seinem eigenen maßgeschneiderten Inferenzchip Jalapeño: Dort übertraf das Modell GPT-6.2 Astra frühere Versionen auf Open-Source-RISC-V-Kernen. Außerdem arbeitet OpenAI mit dem EDA-Anbieter Synopsys am Projekt GPT-Synopsys, das KI-gestützte Chipdesign-Tools einem größeren Kreis von Ingenieuren zugänglich machen soll.

## Wie andere KI-Unternehmen ähnliche Methoden einsetzen

Anthropic, ein weiteres KI-Labor, meldet eine ähnliche Beschleunigung mit seinem Modell Mythos. Das Modell verarbeitete Prompts für ein Design, das auf AMDs MI355X-GPUs lief, in drei Tagen. Laut Anthropic dauert das normalerweise sechs bis zwölf Monate. Anthropic betreibt seinen Claude-Assistenten inzwischen auf vier AMD-Chipfamilien, um Kosten und Leistung pro Dollar auszubalancieren. Diese Beispiele zeigen, dass KI-gestütztes Design den Weg aus den Forschungslaboren in die reale Chipfertigung findet.

## Warum das für den Gesamtmarkt wichtig ist

Wenn KI den Entwicklungszyklus für leistungsstarke GPUs um ein Jahr verkürzen kann, könnten Chiphersteller effizientere Hardware schneller und günstiger auf den Markt bringen. Für Gamer, Rechenzentrumsbetreiber und alle, die eine Grafikkarte kaufen, könnte das längere Akkulaufzeiten bei Laptops, günstigere Cloud-Rechenleistung oder kleinere Geräte mit derselben Leistung bedeuten. Wie groß die Einsparungen tatsächlich ausfallen, hängt davon ab, wie viele der KI-generierten Anpassungen in Chips aus der Massenproduktion übernommen werden – dazu hat AMD bislang keine Angaben gemacht.

## Die Fakten

- OpenAIs Modelle verbesserten die PPA-Werte von AMDs Spitzen-GPU in weniger als fünf Monaten um bis zu 14 Prozent.
- Laut AMD entspricht der Fortschritt etwa einem Jahr Entwicklungsarbeit zusätzlich zu den bestehenden Designs.
- Einige der von der KI vorgeschlagenen Änderungen sind bereits in ein Design eingeflossen, das in die Fertigung geschickt wurde.
- OpenAIs Modell GPT-6.2 Astra erzielte auf offenen RISC-V-Kernen für den Inferenzchip Jalapeño die besten Ergebnisse.
- Anthropics Modell Mythos verkürzte die Verarbeitung von Prompts auf AMD-MI355X-GPUs von sechs bis zwölf Monaten auf drei Tage.

## Warum es wichtig ist

Verbraucher könnten Grafikkarten bekommen, die weniger Wärme erzeugen und Strom verbrauchen – das könnte Stromkosten senken und Laptops leiser machen. Rechenzentrumsbetreiber könnten für dieselbe Arbeitslast mit weniger Chips auskommen und so ihre Investitionskosten reduzieren. Wie sich das genau auf die Preise auswirkt, ist noch unklar, bis die neuen Designs auf den Markt kommen.

## Quellen und Referenzen

1. [OpenAI says its models delivered a year's worth of chip optimization on top of AMD's own engineering](https://the-decoder.com/openai-says-its-models-delivered-a-years-worth-of-chip-optimization-on-top-of-amds-own-engineering/) – The Decoder, 2026-11-18

Zuletzt aktualisiert: 2026-11-18
