Oossa

OpenAI höjer AMD:s GPU-effektivitet med upp till 14 procent

OpenAI:s AI-modeller förbättrade AMD:s flaggskepps-GPU med omkring 14 procent när det gäller effektförbrukning, prestanda och chipyta. Enligt AMD motsvarar det ett års ingenjörsarbete.

Av Publicerad av Oossa: 2 min läsning

Trnava University · Unsplash

OpenAI meddelar att företagets AI-modeller har använts för att finjustera AMD:s flaggskeppsdesign för GPU:er. På mindre än fem månader förbättrade modellerna effektförbrukning, prestanda och chipyta med sammanlagt upp till 14 procent – de tre mått som AMD samlar under förkortningen PPA. AMD säger att förbättringen motsvarar ungefär ett års arbete som ingenjörerna annars skulle behöva lägga ovanpå en design som redan har förfinats under flera år. En del av ändringarna har redan införts i en version av chipet som nu är på väg till fabriken.

Arbetet utfördes tillsammans med AMD:s hårdvaruteam. OpenAI matade sina GPT-baserade modeller med data om layout och timing, så att AI:n kunde föreslå små justeringar för att minska strömförbrukningen, öka beräkningshastigheten eller göra kiselytan mindre. Företaget säger att samma metod hjälpte till med dess egen specialbyggda inferenschip, Jalapeño, där modellen GPT‑6.2 Astra presterade bättre än tidigare versioner på RISC‑V-kärnor med öppen källkod. OpenAI samarbetar också med EDA-leverantören Synopsys i projektet GPT‑Synopsys, som ska göra verktyg för AI-stödd chipdesign tillgängliga för fler ingenjörer.

Så använder andra AI-företag liknande metoder

AI-laboratoriet Anthropic rapporterar en liknande tidsvinst med sin modell Mythos. Modellen bearbetade instruktioner för en design som kördes på AMD:s MI355X-GPU:er på tre dagar, en process som enligt Anthropic normalt tar sex till tolv månader. Anthropic använder nu fyra AMD-chipfamiljer för sin assistent Claude för att balansera kostnaden mot prestandan per dollar. Exemplen visar att AI-driven design håller på att gå från forskningslaboratorier till faktisk chipproduktion.

Därför spelar det roll för marknaden

Om AI kan korta utvecklingscykeln för avancerade GPU:er med ett år kan chiptillverkare snabbare erbjuda kunderna effektivare hårdvara till lägre kostnad. För spelare, datacenteroperatörer och andra som köper grafikkort kan fördelarna bli längre batteritid i bärbara datorer, billigare molnberäkning eller mindre enheter med samma prestanda. Den faktiska besparingen beror på hur många av de AI-genererade justeringarna som hamnar i massproducerade chip – något AMD ännu inte har uppgett.

Varför det spelar roll

Konsumenter kan få grafikkort som blir mindre varma och drar mindre ström, vilket kan ge lägre elräkningar och tystare bärbara datorer. Datacenteroperatörer kan kanske klara samma arbetsbelastning med färre chip och därmed sänka sina investeringskostnader. Den exakta priseffekten är fortfarande oklar tills de nya designerna når marknaden.

Var den här artikeln användbar?
Dela

Läs vidare

Oossa · Nyhetsbrev

Veckans AI, förklarad

Varje måndag: nyheterna som är värda att känna till, på enkel svenska. Gratis, ingen spam.