A OpenAI anunciou que seus modelos de IA foram usados para otimizar o projeto do principal GPU da AMD. Em menos de cinco meses, os modelos contribuíram para uma melhoria de até 14% em consumo de energia, desempenho e área do chip — as três métricas que a AMD reúne sob a sigla PPA. A empresa afirma que esse avanço equivale a cerca de um ano de trabalho que seus engenheiros normalmente precisariam para alcançar, além das melhorias já acumuladas no projeto ao longo de vários anos. Algumas das mudanças já foram incorporadas a uma versão do chip que está prestes a ser enviada para fabricação.
O trabalho foi realizado em parceria com a equipe de hardware da AMD. A OpenAI forneceu aos modelos no estilo GPT dados sobre o layout e o timing do chip, permitindo que a IA sugerisse pequenos ajustes para reduzir o consumo de energia, acelerar os cálculos ou diminuir a área de silício. A empresa diz que a mesma abordagem ajudou no desenvolvimento de seu próprio chip de inferência personalizado, chamado Jalapeño, no qual o modelo GPT‑6.2 Astra superou versões anteriores em núcleos RISC‑V de código aberto. A OpenAI também trabalha com a Synopsys, fornecedora de ferramentas EDA, em um projeto chamado GPT‑Synopsys, que busca oferecer ferramentas de projeto de chips assistidas por IA a um grupo maior de engenheiros.
Como outras empresas de IA usam técnicas semelhantes
A Anthropic, outro laboratório de IA, relata um avanço semelhante com seu modelo Mythos. O modelo processou prompts para um projeto executado em GPUs AMD MI355X em três dias — um prazo que, segundo a Anthropic, normalmente levaria de seis a doze meses. A empresa agora executa seu assistente Claude em quatro famílias de chips AMD para equilibrar custo e desempenho por dólar. Esses exemplos mostram que o projeto de chips orientado por IA está saindo dos laboratórios de pesquisa e chegando à produção de silício.
O que isso significa para o mercado
Se a IA conseguir reduzir em um ano o ciclo de desenvolvimento de GPUs de ponta, os fabricantes poderão levar hardware mais eficiente aos clientes com mais rapidez e a um custo menor. Para gamers, operadores de data centers ou qualquer pessoa que compre uma placa de vídeo, isso pode significar mais autonomia de bateria em laptops, computação em nuvem mais barata ou dispositivos menores com o mesmo desempenho. A economia exata dependerá de quantos dos ajustes gerados por IA serão incorporados aos chips produzidos em massa — um detalhe que a AMD ainda não revelou.
Por que importa
Os consumidores podem vir a encontrar placas de vídeo que esquentam menos e consomem menos energia, reduzindo as contas de eletricidade e o ruído dos laptops. Os operadores de data centers talvez precisem comprar menos chips para executar a mesma carga de trabalho, diminuindo os custos de capital. O impacto nos preços ainda não está claro, até que os novos projetos cheguem ao mercado.