OpenAI maakte bekend dat zijn AI-modellen zijn ingezet om het ontwerp van AMD’s top-GPU te optimaliseren. In minder dan vijf maanden leverden de modellen een verbetering van maximaal 14 procent op het gebied van vermogen, prestaties en chipoppervlak — de drie maatstaven die AMD samenvat onder de afkorting PPA. Volgens AMD komt die verbetering overeen met ongeveer een jaar werk dat ingenieurs normaal gesproken nodig zouden hebben boven op een ontwerp waaraan al jaren is gesleuteld. Een deel van de aanpassingen is inmiddels verwerkt in een chipversie die nu naar de fabriek gaat.
Het werk werd uitgevoerd in samenwerking met het hardwareteam van AMD. OpenAI voorzag zijn GPT-achtige modellen van gegevens over de lay-out en timing, waarna de AI kleine aanpassingen kon voorstellen om het stroomverbruik te verlagen, berekeningen te versnellen of de chip kleiner te maken. Volgens OpenAI hielp dezelfde aanpak bij zijn eigen op maat gemaakte inferentiechip, Jalapeño. Daar presteerde het model GPT-6.2 Astra beter dan eerdere versies op open-source RISC-V-cores. OpenAI werkt ook samen met EDA-leverancier Synopsys aan GPT-Synopsys, een project dat AI-ondersteunde ontwerptools voor chips beschikbaar moet maken voor een grotere groep ingenieurs.
Hoe andere AI-bedrijven soortgelijke technieken inzetten
Anthropic, een ander AI-lab, meldt een vergelijkbare versnelling met zijn Mythos-model. Het model verwerkte prompts voor een ontwerp dat draait op AMD’s MI355X-GPU’s in drie dagen — een proces dat volgens Anthropic normaal zes tot twaalf maanden duurt. Anthropic draait zijn Claude-assistent inmiddels op vier AMD-chipfamilies om de kosten en prestaties per dollar in balans te brengen. Deze voorbeelden laten zien dat AI-gestuurd ontwerp de stap maakt van onderzoekslabs naar de productie van echte chips.
Wat dit betekent voor de bredere markt
Als AI een jaar van de ontwikkelcyclus van high-end GPU’s kan afhalen, kunnen chipmakers efficiëntere hardware sneller en tegen lagere kosten bij klanten krijgen. Voor gamers, datacenters en iedereen die een grafische kaart koopt, kan dat leiden tot een langere batterijduur van laptops, goedkopere cloudcomputing of kleinere apparaten met dezelfde prestaties. De precieze besparingen hangen af van hoeveel van de door AI voorgestelde aanpassingen in massaal geproduceerde chips terechtkomen. AMD heeft daarover nog niets bekendgemaakt.
Waarom het ertoe doet
Consumenten kunnen grafische kaarten krijgen die minder warm worden en minder stroom verbruiken, wat kan leiden tot lagere elektriciteitsrekeningen en stillere laptops. Datacenters kunnen mogelijk minder chips nodig hebben voor dezelfde werklast, wat de investeringskosten verlaagt. Het precieze effect op de prijs is pas duidelijk wanneer de nieuwe ontwerpen op de markt komen.