11月18日、OpenAIが「Advancing chip design with OpenAI models」と題した記事を公開した。AMDとの協業でチップ設計を最適化し、約1年分の成果を5か月未満で達成したという事例を中心に、自社チップ「Jalapeño」での具体的な改善内訳やEDAツール大手Synopsysとの連携計画が詳しく紹介されている。
AMDとの協業で「1年分の成果を5か月で」
今回の記事で最も目を引くのが、AMDとのPPA(Power・Performance・Area)改善に関する成果だ。
PPA改善とは、チップ設計における3つの主要指標(消費電力・動作速度・回路面積)のトレードオフを最適化することで、半導体エンジニアにとって設計上最も難しい課題の一つだ。AMDのフラッグシップGPU IPに対し、すでに高度に最適化されたベースラインから最大14%のPPA改善を達成した。モデルはチップの回路を記述するコード(SystemVerilog RTL)を書き直すことでさらなる改善を見出し、これは通常1年かかる進捗を5か月未満で達成したというものだ。AMDはすでにその一部の変更を製造向けに送出した設計に組み込み、別の変更は将来バージョン向けの製造設計ファイルに追加している。
また、AMDの次世代フラッグシップCPUの主要ブロックでも、OpenAIのモデルが書いた設計により一桁台のパーセンテージのPPA改善が確認されている。
自社チップ「Jalapeño」での具体的な改善内容
AMDとの協業と並行して、OpenAIは2025年初頭からGPT-4oを用いて自社カスタム推論チップ「Jalapeño」の設計にも活用してきた。元記事では具体的な改善内訳が記されている。
ベクターユニット(並列計算を管理・実行するブロック):浮動小数点の加算器・乗算器、変換関数、リダクションロジック、特殊関数ユニットで削減を達成。ロジック実装の代替案探索やパイプラインステージへの計算分割により、ハードウェアの共有と中間ストレージの削減を実現。標準セル面積を約13%削減。
マトリックスユニット(算術演算コンポーネント):ある乗算器の再設計では合成後のセル面積を約15%削減しつつ、レイテンシをクロックサイクル2から1に短縮。別の加算器の再設計でも約15%のセル面積削減を達成。これらは同ユニット内の特定コンポーネントに限定した数値であり、マトリックスユニット全体では約10%削減。
なお、タイトルや見出しで言及される「15%削減」はマトリックスユニット内の一部コンポーネントに限定された数値であり、チップ全体を代表する値ではない点に注意が必要だ。これらの最適化は、Jalapeñoのシリコンブリングアップで実際に検証済みだ。
オープンソースRISC-Vコアでの能力評価
モデル世代ごとの能力進化を測定するため、OpenAIは2つのオープンソース32ビットRISC-Vコアを使って評価を行った。対象は、FPGAに最適化されたコンパクトなコアPicoRV32と、セキュリティチップ向けのIbex(OpenTitanプロジェクト)だ。
評価は2種類のタスクで実施された。
- 既存RTLの最適化:元のハードウェア記述を与え、スループット(1秒あたりの命令実行数)の向上を求める
- 仕様書からのコア設計:書面の要件とテンプレートだけを与え、コアをゼロから設計させる
約112,000トークンの予算での比較では、GPT-6.2 Astraが両コアで最高スコアを記録。GPT-6.1 SolもGPT-5.6 Solを上回った。これらのモデル名は元記事に記載されているものであり、記事公開時点(2026年11月)におけるOpenAIの内部モデル系列を指している。
興味深いのは、どのモデルも「既存RTLを改善するタスク」より「仕様書から設計するタスク」の方が高スコアを出している点だ。仕様からの設計ではパフォーマンスカウンターなど一部の機能を省略できるため、スループット評価で有利になる面もあるとOpenAIは述べている。
評価は両タスク・両コア・全トークン予算を合わせて合計9,881回のスコア付き実行を含む。
EDAツールベンダー Synopsys との連携
今後の展開として、OpenAIはEDA(電子設計自動化)ツール大手のSynopsysと連携し、新モデル「GPT-Synopsys」のトレーニングを進める。このモデルは、熟練したチップ設計者がSynopsysのEDAツールを使うように、ツールを自律的に操作できることを目標とする。
EDAツールはチップ設計・検証・製造準備の各工程に深く組み込まれた専門ソフトウェアであり、業界標準としてSynopsysのツール群(Design Compiler、VCS、Primeタイムシリーズなど)は多くのファブレス・IDMで広く利用されている。これまでのAIによるチップ設計支援はRTL記述の最適化が中心だったが、EDAツールそのものをAIが操作できるようになれば、論理合成・タイミング解析・物理設計といった下流工程にまでAI支援の適用範囲が広がる可能性がある。実際の設計フローへの深い統合という観点で、業界インパクトが最も大きい取り組みの一つといえる。
詳細はAdvancing chip design with OpenAI modelsを参照していただきたい。