OpenAIは、AIモデルをAMDの主力GPUの設計調整に活用したと発表した。5カ月足らずで、電力、性能、チップ面積の3項目(AMDがPPAと呼ぶ指標)が最大14%改善したという。AMDによると、この改善は、何年も改良を重ねてきた既存設計をさらに仕上げるために、通常ならエンジニアが約1年かけて達成する成果に相当する。変更の一部はすでにチップ設計に取り込まれ、現在、製造工程へ進んでいる。
この取り組みはAMDのハードウェアチームとの協業で行われた。OpenAIはレイアウトやタイミングに関するデータをGPT型モデルに入力し、消費電力の低減、演算の高速化、シリコン面積の縮小につながる小規模な変更案をAIに提示させた。同社によると、同様の手法は、Jalapeñoと呼ばれる独自の推論用チップにも役立った。GPT‑6.2 Astraモデルは、オープンソースのRISC‑Vコアで従来のモデルを上回る結果を出した。OpenAIはまた、EDAベンダーのSynopsysとGPT‑Synopsysというプロジェクトにも取り組んでおり、AIを活用したチップ設計ツールをより幅広いエンジニアに提供することを目指している。
他のAI企業も同様の手法を活用
別のAI研究機関であるAnthropicも、同社のMythosモデルで同様の処理時間短縮を報告している。このモデルは、AMDのMI355X GPU上で動く設計のプロンプトを3日で処理した。Anthropicによると、通常は6〜12カ月かかる作業だという。Anthropicは現在、コストと費用対効果のバランスを取るため、AMDの4つのチップファミリーでClaudeアシスタントを稼働させている。こうした事例は、AIを活用した設計が研究室を出て、実際のシリコン製造へと移行しつつあることを示している。
市場全体にとっての意味
AIによって高性能GPUの開発期間を1年短縮できるなら、チップメーカーはより効率の高い製品を、より早く、低コストで顧客に届けられる可能性がある。ゲーマーやデータセンターの運営者、グラフィックスカードを購入する人にとっては、ノートPCのバッテリー駆動時間の延長、クラウドコンピューティング費用の低下、同じ性能を備えた小型デバイスの実現につながるかもしれない。実際の削減効果は、AIが提案した変更のうち量産チップに採用される割合によって異なるが、AMDはその詳細をまだ明らかにしていない。
なぜ重要か
消費者は、発熱や消費電力を抑えたグラフィックスカードを利用できるようになり、電気代の節約やノートPCの静音化につながる可能性がある。データセンターの運営者は、同じ処理をより少ないチップでこなせるようになり、設備投資を抑えられるかもしれない。新しい設計が市場に出るまでは、価格への影響は不透明だ。