Voltar
A softly textured blue and turquoise gradient.

Modelos da OpenAI Otimizam Design de Chips em Testes com AMD e RISC-V

Aprofundamento CEVIU

Aprofundamento

A OpenAI está utilizando seus modelos de IA para otimizar o design de chips em nível de RTL (Register-Transfer Level), uma etapa crítica no desenvolvimento de hardware. Os modelos, como o GPT-o3 mini, foram aplicados para melhorar blocos computacionais em chips como o Jalapeño, da própria OpenAI, e em designs da AMD. As otimizações no Jalapeño resultaram em reduções de área de célula padrão de até 13% na unidade vetorial e 10% na unidade de matriz. Para a AMD, os modelos geraram melhorias de até 14% em consumo de energia, performance e área (PPA) em GPUs e CPUs. Isso incluiu a reescrita de código SystemVerilog RTL, o que, segundo a OpenAI, equivale a cerca de um ano de progresso alcançado em menos de cinco meses. Os testes também abrangeram designs RISC-V de código aberto, como PicoRV32 e Ibex, onde modelos como o GPT-6.2 Astra demonstraram capacidade de otimizar throughput de núcleos existentes e até mesmo projetar novos núcleos a partir de especificações escritas. Essa colaboração com a Synopsys visa integrar a inteligência dos modelos às ferramentas de automação de design eletrônico (EDA) já usadas pelos engenheiros.

O que mudou

O CEVIU noticiou extensivamente o lançamento do chip Jalapeño em 26 de agosto de 2026, com artigos como "OpenAI Otimiza Desempenho de IA com Chip Próprio Jalapeño" e "OpenAI Afirma que Chip Jalapeño Supera Nvidia GB300 em Eficiência de IA". Naquela época, o foco era o desempenho do Jalapeño como um acelerador de inferência e sua comparação com soluções da Nvidia. A notícia atual, de 19 de novembro de 2026, aprofunda-se na metodologia usada para otimizar o design do próprio Jalapeño, revelando que os modelos de IA da OpenAI foram fundamentais para as melhorias de PPA, como a redução de 13% na área da unidade vetorial e 10% na unidade de matriz. Além disso, a cobertura anterior, em 29 de junho de 2026, mencionava a parceria com a Broadcom para o desenvolvimento do Jalapeño. Agora, a OpenAI demonstra que a aplicação de seus modelos de IA vai além do hardware próprio, estendendo-se a chips de terceiros, como os da AMD e designs RISC-V.

Por que isso importa

Para desenvolvedores que trabalham com hardware ou que dependem da performance de chips, a otimização de design via IA pode acelerar o ciclo de vida do desenvolvimento. A capacidade de modelos de IA reescreverem RTL e explorarem novas arquiteturas RISC-V, com ganhos significativos em PPA, indica uma mudança no paradigma de design de chips. Isso significa que podemos esperar chips mais eficientes e potentes em menos tempo. Para o desenvolvedor de software, essa evolução pode se traduzir em mais poder computacional disponível para aplicações, como modelos de IA, e a possibilidade de hardware customizado mais rapidamente para demandas específicas.

Linha do tempo

  1. OpenAI e Broadcom apresentam o chip de inferência otimizado Jalapeño.

  2. OpenAI revela chip Jalapeño, destacando seu desempenho superior em testes de IA.

  3. OpenAI divulga avanços na otimização de design de chips com IA, incluindo Jalapeño, AMD e RISC-V.

Perguntas frequentes

O que é RTL (Register-Transfer Level) no design de chips?

RTL é uma abstração de hardware que descreve o fluxo de dados e a temporização de sinais entre os registradores de um circuito digital. É um nível intermediário de design, onde os engenheiros especificam como os dados se movem entre os componentes, antes de o circuito ser convertido em portas lógicas físicas.

O que são ganhos de PPA (Power, Performance, Area)?

PPA refere-se a três métricas cruciais no design de chips: consumo de energia (Power), desempenho (Performance) e área (Area) ocupada no silício. Otimizar o PPA significa projetar chips que consomem menos energia, executam tarefas mais rapidamente e ocupam menos espaço físico no chip, o que geralmente se traduz em custo reduzido.

Como os modelos de IA estão sendo usados para otimizar chips RISC-V?

Os modelos de IA da OpenAI estão sendo usados para otimizar núcleos RISC-V existentes, aumentando o throughput, e também para projetar novos núcleos a partir de especificações textuais. Eles podem explorar diferentes arquiteturas e divisões de trabalho em estágios, escolhendo como os dados se movem no núcleo para maximizar o desempenho.

Quais são os desafios da aplicação direta dessa tecnologia na produção?

Ainda existem desafios para a aplicação direta em ambientes de produção. A ausência de algumas funcionalidades em designs gerados por IA e a simplificação em verificações de timing são obstáculos. Exigir todas as funcionalidades, limitar estritamente a área do circuito e realizar verificações de timing após a síntese física tornariam os testes mais representativos de um design de produção.

Fontes

Avalie este artigo:
Categoria
CEVIU Web Dev
Publicado
19 de novembro de 2026
Editoria
CEVIU Web Dev

Quer receber mais sobre CEVIU Web Dev?

Conteúdo curado diariamente, direto no seu e-mail.

Conteúdo curado diariamenteDiversas categoriasCancele quando quiser