硬體
OpenAI、AIが書き換えた回路をAMDが採用、一部は製造へ送付済みと発表
協業事例では、モデルが提案した回路変更が正式な設計プロセスに進んだことが示された。設計指標の改善は最大14%だが、GPU全体の高速化率には換算できない。

AIが回路を書き換えた後も機能を維持し、設計を改善して、半導体エンジニアリングチームに採用されるのだろうか。OpenAIは11月18日の報告で、AMDがモデルの提案した変更の一部を、最近製造に送った設計に取り入れ、別の変更は将来のバージョンに備えて正式な設計ファイルに保存したと述べた。AI支援ハードウェア設計を評価するチームにとって、これは具体的な採用事例となる。ただし、進捗を公表したのは協業相手側であり、AMDの完成チップで性能を実測した結果ではない。OpenAIの報告
最大14%改善したのは、どの設計か?
OpenAIによると、モデルはAMDのフラッグシップGPU IP、つまりチップ内の回路設計モジュールにおいて、すでに高度に最適化されたベースラインと比べ、PPAを最大14%改善した。PPAは消費電力、性能、面積を指し、設計時に相互にトレードオフを検討する指標だ。元の報告では、パーセンテージの算出方法や、3項目それぞれの変化は明らかにされていない。OpenAIの報告
したがって、この数字をGPU全体が14%高速化したと解釈することはできず、3項目すべてがそれぞれ14%改善したという意味でもない。製造に送られた変更が最大改善値に対応するかどうかも報告されておらず、製造プロセス、ワークロード、測定条件も十分に示されていない。そのため、この数字からローカルモデルのトークン処理量や電気料金の削減効果を推定することはできない。
モデルが案を出し、ツールが動作とトレードオフを検証
モデルが変更するのはSystemVerilog RTL、すなわち回路の演算、制御、データ転送を記述するハードウェアコードだ。OpenAIの説明によると、このプロセスではSynopsysのツールを使い、各書き換えが元の回路ブロックの動作を維持しているかを検証したうえで、消費電力、性能、面積のトレードオフを評価する。OpenAIの報告
この方法の工学的な意義は、モデルに代替実装を提案させ、設計ツールで候補を絞り込める点にある。「機能が変わらない」ことは、検証結果によって裏付ける必要がある。このプロセスから推測すると、AIの価値は比較可能な候補案を増やすことにある可能性がある。採用できるかどうかは、依然として検証と設計上の制約に左右される。
OpenAIはまた、5か月に満たない協業の成果を「約1年分の進展」と表現したが、推定方法や比較対象のチームは公表していない。これは同社によるエンジニアリングの進捗推定として捉えるべきで、一般に適用できる開発加速率を示すものではない。OpenAIの報告
一般のチームは、ツールが利用可能になったとまだ判断できない
今回のAMDの事例は、同種の設計サービスが全面的に提供開始されたことを意味しない。Synopsysが9月30日に発表したGPT-Synopsysの協業は、複数年にわたる共同開発計画だ。専用モデルに電子設計自動化(EDA)ツールを操作させ、結果を解釈して繰り返し修正し、最終的にエンジニアが審査することを目指している。発表によると、初期の顧客との技術協業はすでに始まっており、サービスはOpenAIがホストするインフラ上で実行する計画だが、全面提供の時期は示されていない。Synopsysの公式発表
ハードウェアチームが今検討すべきなのは、モデルを既存の検証サイクルにどう組み込むかだ。一方、新しいGPUでモデルを動かすのを待っているユーザーにとって、この報告だけでは性能や購入を判断する根拠として不十分だ。