안내·정책
저장한 기사
반도체 웨이퍼와 회로 경로를 통해 AI 기반 칩 설계를 표현한 이미지
AI모델

OpenAI 모델 기반 칩 디자인 혁신: Jalapeño와 AMD 협력 성과

OpenAI의 프론티어 모델이 자체 추론 칩인 Jalapeño와 AMD 하드웨어 디자인을 개선하며 전력, 성능, 면적(PPA) 측면에서 유의미한 성과를 거두었습니다. Synopsys와의 협업을 통한 EDA 툴 통합 소식도 함께 전해졌습니다.

openai.com0개 댓글0회 조회

30초 핵심 브리핑

  • OpenAI 엔지니어들은 자체 추론 칩 Jalapeño 개발에 프론티어 모델을 활용해 벡터 유닛과 매트릭스 유닛의 면적과 성능을 최적화했습니다.
  • AMD와의 파트너십을 통해 플래그십 GPU IP 및 차세대 CPU 디자인에서 최대 14% 수준의 PPA 개선을 확인했습니다.
  • Synopsys와의 협력을 통해 프론티어 인텔리전스를 전자 설계 자동화(EDA) 툴에 통합하는 GPT-Synopsys 개발을 추진 중입니다.

원문 보기 · openai.com ↗출처 · Hacker News

벡터 유닛 면적 감소
약 13%
매트릭스 유닛 면적 감소
약 10%
AMD GPU IP PPA 개선
최대 14%
토큰 예산(실험당)
약 112,000개

OpenAI는 자체 커스텀 추론 칩인 Jalapeño 개발 과정에서 GPT-o3 mini 모델을 도입해 전력, 성능, 면적(PPA) 측면에서 유의미한 개선을 이뤄냈습니다. 벡터 유닛에서는 부동소수점 연산기와 특수 함수 유닛 등을 최적화하여 하드웨어 공유 및 중간 저장소 축소를 도모했으며, 매트릭스 유닛에서는 승산기와 가산기 재설계를 통해 셀 면적을 약 15% 줄이고 레이턴시를 단축했습니다. 이러한 변경 사항은 Jalapeño의 실리콘 브링업 과정에서 검증되었습니다.

AMD와의 협업에서는 시스템베릴로그(SystemVerilog) RTL 코드를 재작성하는 방식으로 플래그십 GPU IP에서 최적화된 기준선 대비 최대 14%의 PPA 개선을 달성했습니다. 모델은 Synopsys 툴을 활용해 회로 동작 보존 여부를 검증하고 전력과 성능 면적의 트레이드오프를 평가했습니다. AMD는 이미 일부 변경 사항을 제조용 디자인에 반영하였으며, 차세대 플래그십 CPU의 주요 블록에서도 싱글 디지트 수준의 PPA 개선을 확인했습니다.

모델의 칩 디자인 역량을 측정하기 위해 오픈소스 32비트 RISC-V 코어인 PicoRV32와 Ibex를 활용한 평가도 진행되었습니다. 기존 디자인 최적화 작업과 사양서 기반 설계 작업 모두에서 GPT-6.2 Astra를 비롯한 모델들이 처리량을 높이는 방향으로 코드를 개선했습니다. 특히 약 112,000개의 토큰 예산 조건에서 사양서로부터 직접 코어를 설계할 때 더 높은 점수를 기록했습니다.

향상된 칩 디자인 능력을 실제 산업 표준 EDA 툴과 긴밀히 연결하기 위해, OpenAI는 Synopsys와 손을 잡고 GPT-Synopsys 모델을 공동 개발 중입니다. 이를 통해 엔지니어들이 기존에 사용하던 전자 설계 자동화 툴 내에서 프론티어 인텔리전스를 활용해 복잡한 반도체 설계 문제를 해결할 수 있는 기반을 다지고 있습니다.

주요 내용 비교

항목내용
대상 하드웨어/코어적용 방식 및 주요 성과
Jalapeño 벡터 유닛표준 셀 면적 약 13% 감소 (실리콘 검증 완료)
Jalapeño 매트릭스 유닛표준 셀 면적 약 10% 감소 (승산기·가산기 최적화)
AMD 플래그십 GPU IP기준선 대비 최대 14% PPA 개선 (RTL 재작성)
RISC-V 코어 (PicoRV32/Ibex)사양서 기반 설계 및 기존 RTL 최적화 평가 진행

자주 묻는 질문

OpenAI 모델이 Jalapeño 칩 개발에 어떻게 기여했나요?

OpenAI 엔지니어들은 GPT-o3 mini 등의 모델을 활용해 Jalapeño의 벡터 유닛과 매트릭스 유닛 내 연산기를 재설계했습니다. 그 결과 벡터 유닛 면적은 약 13%, 매트릭스 유닛 면적은 약 10% 감소하는 실리콘 검증된 PPA 개선 효과를 얻었습니다.

AMD와의 협업에서 거둔 구체적인 수치적 성과는 무엇인가요?

OpenAI 모델은 AMD의 플래그십 GPU IP에서 회로 설명 코드인 SystemVerilog RTL을 재작성하여 기존 최적화 기준선 대비 최대 14% 향상된 PPA를 기록했습니다. 또한 차세대 플래그십 CPU의 주요 블록에서도 싱글 디지트 퍼센트의 개선을 확인했습니다.

Synopsys와의 파트너십 내용은 무엇인가요?

OpenAI는 Synopsys와 협력하여 엔지니어들이 반도체 설계 및 검증에 사용하는 전자 설계 자동화(EDA) 툴에 프론티어 인텔리전스를 결합하는 GPT-Synopsys 모델을 개발하고 있습니다.

댓글

0개

아직 공개된 댓글이 없습니다. 첫 의견을 남겨 주세요.

이 기사가 유용했나요? (선택)

댓글은 이메일을 공개하지 않으며 검토 후 게시됩니다.

AI 에이전트의 규칙 준수 여부를 점검하는 디지털 평가 과정을 표현한 이미지
AI모델

실무 환경 속 지속성 있는 AI 에이전트의 규칙 위반 측정 벤치마크 Unfinished-Bench 공개

Hugging Face Papers에서 공개한 Unfinished-Bench는 사용자 감독 없이 장시간 실행되는 지속형 AI 에이전트의 현실적인 규칙 위반 위험을 측정하는 벤치마크입니다. 7개 조직과 7개 위험 카테고리 내 97개 시나리오를 통해 에이전트의 지속성이 규칙 위반에 미치는 영향을 분석합니다.

인공초지능과 재귀적 자기 개선의 한계를 다룬 컴퓨터 과학적 분석 일러스트
AI모델

인공초지능(ASI) 도래 주장의 3가지 기술적 허점과 실무적 위험

최근 앤스로픽과 OpenAI 등 주요 AI 기업들이 재귀적 자기 개선(RSI)을 통한 초지능 도달 가능성을 경고하고 있으나, 컴퓨터 과학 관점에서는 계산 가능성 한계와 데이터 병목 등으로 인해 실현 가능성이 희박하다는 지적이 제기되었습니다. 그러나 지능 폭발이 오지 않더라도 자율 실행 시스템의 오남용으로 인한 실무적 위협은 여전히 유효합니다.