OpenAI anunció que sus modelos de IA se utilizaron para optimizar el diseño de la GPU insignia de AMD. En menos de cinco meses, los modelos lograron una mejora de hasta un 14 % en consumo, rendimiento y área del chip, las tres métricas que AMD agrupa bajo las siglas PPA. AMD afirma que ese avance equivale aproximadamente a un año de trabajo que sus ingenieros normalmente necesitarían para lograrlo, sobre un diseño que ya llevaba años perfeccionándose. Algunos de los cambios ya se incorporaron a una versión del chip que está a punto de entrar en fabricación.
El trabajo se realizó en colaboración con el equipo de hardware de AMD. OpenAI proporcionó a sus modelos de estilo GPT datos de diseño físico y temporización para que la IA propusiera pequeños ajustes capaces de reducir el consumo, acelerar los cálculos o disminuir el espacio ocupado por el silicio. La empresa afirma que el mismo enfoque también ayudó con su propio chip de inferencia personalizado, llamado Jalapeño, donde el modelo GPT‑6.2 Astra superó a versiones anteriores en núcleos RISC‑V de código abierto. OpenAI también colabora con Synopsys, proveedor de herramientas de automatización del diseño electrónico (EDA), en un proyecto llamado GPT‑Synopsys, que busca poner herramientas de diseño de chips asistido por IA a disposición de un grupo más amplio de ingenieros.
Cómo otras empresas de IA usan técnicas similares
Anthropic, otro laboratorio de IA, informa de una aceleración similar con su modelo Mythos. El modelo procesó en tres días las instrucciones de una solicitud para un diseño que se ejecutaba en GPU AMD MI355X, un plazo que, según Anthropic, normalmente sería de seis a doce meses. Anthropic ya ejecuta su asistente Claude en cuatro familias de chips AMD para equilibrar el costo y el rendimiento por dólar. Estos ejemplos muestran que el diseño impulsado por IA está pasando de los laboratorios de investigación a la fabricación de silicio real.
Por qué esto importa para el mercado en general
Si la IA puede acortar un año el ciclo de desarrollo de las GPU de alta gama, los fabricantes de chips podrían ofrecer antes y a menor costo hardware más eficiente. Para los jugadores, los operadores de centros de datos o cualquiera que compre una tarjeta gráfica, los beneficios podrían traducirse en más duración de batería en las laptops, computación en la nube más barata o dispositivos más pequeños con el mismo rendimiento. El ahorro exacto dependerá de cuántos de los ajustes generados por IA lleguen a los chips fabricados en masa; AMD aún no ha revelado ese dato.
Por qué importa
Los consumidores podrían tener tarjetas gráficas que se calienten menos y consuman menos energía, lo que reduciría las facturas de electricidad y permitiría laptops más silenciosas. Los operadores de centros de datos quizá podrían comprar menos chips para ejecutar la misma carga de trabajo y reducir así sus costos de capital. El efecto exacto en los precios aún no está claro y dependerá de que los nuevos diseños lleguen al mercado.