Model của OpenAI viết lại mạch GPU cho AMD: con số 14% nói lên điều gì?

Ngày 18/11/2026, OpenAI đăng bài “Advancing chip design with OpenAI models” (tạm dịch: dùng model OpenAI để tiến xa hơn trong thiết kế chip). Bài viết ngắn nhưng tuyên bố không nhỏ: model của họ đã sửa mã mô tả phần cứng của những con chip thương mại thật, chứ không chỉ các mạch minh hoạ. Có ba kết quả:

  1. Khối GPU chủ lực của AMD: cải thiện tới 14% PPA (power, performance, area — công suất, hiệu năng, diện tích) “so với các bản thiết kế vốn đã được tối ưu rất kỹ”, nhờ model viết lại mã RTL bằng SystemVerilog. Theo OpenAI, AMD “đã đưa một phần thay đổi vào một thiết kế gần đây gửi đi sản xuất” và đưa phần khác vào bộ thiết kế cho các phiên bản sau. AMD cũng “xác nhận mức cải thiện PPA một chữ số phần trăm ở các khối then chốt” của dòng CPU chủ lực thế hệ tới, dùng thiết kế do model viết.
  2. Jalapeño, chip suy luận (inference) tự thiết kế của OpenAI: các thay đổi do model đề xuất giảm khoảng 13% diện tích cell chuẩn ở khối vector và 10% ở khối ma trận, và OpenAI nói các tối ưu này đã được “kiểm chứng trên silicon” khi chạy thử chip thật.
  3. Một benchmark công khai: năm thế hệ model của OpenAI được chấm điểm khi tối ưu và thiết kế lại hai lõi RISC-V mã nguồn mở là PicoRV32 và Ibex, tổng cộng 9.881 lượt chạy có chấm điểm. GPT‑6.2 Astra dẫn đầu.

Tất cả những điều trên đều do OpenAI tự công bố. Khi The Next Web và AI Weekly đưa tin, AMD chưa ra thông cáo riêng; hai trang này thuật lại số liệu của OpenAI chứ không đo đạc độc lập. Nên đọc phần còn lại với lưu ý đó.

Model thực sự đã làm gì

PPA là thế giằng co mà khối mạch nào cũng phải chịu: tiêu thụ bao nhiêu điện, chạy nhanh đến đâu, chiếm bao nhiêu silicon. Mã RTL (register-transfer level, mức chuyển giao thanh ghi), viết bằng SystemVerilog hay Verilog, mô tả mạch ở mức thanh ghi, bộ cộng, bộ chọn kênh và các tầng pipeline (đường ống xử lý). Công cụ tổng hợp (synthesis) chuyển mã này thành các cell chuẩn, và số cell ấy chính là “diện tích” trong các con số trên.

Những ví dụ cụ thể OpenAI đưa ra từ Jalapeño đúng là loại việc một kỹ sư vi kiến trúc dày dạn vẫn làm thủ công:

  • Ở khối vector, phần tiết kiệm đến từ bộ cộng và bộ nhân dấu phẩy động, mạch chuyển đổi định dạng, cây rút gọn (reduction) và khối hàm đặc biệt. Model thử các cách hiện thực logic khác nhau và chia lại phép tính giữa các tầng pipeline, từ đó tìm chỗ dùng chung phần cứng và bớt bộ nhớ trung gian (ít thanh ghi pipeline hơn).
  • Ở khối ma trận, một bộ nhân được thiết kế lại dùng ít hơn khoảng 15% diện tích, đồng thời rút độ trễ từ hai chu kỳ xung nhịp xuống một. Vừa nhỏ hơn vừa nhanh hơn mới là điểm lạ, vì thông thường người thiết kế phải đánh đổi cái này lấy cái kia. Một bộ cộng khác giảm khoảng 15% diện tích mà vẫn giữ độ trễ hai chu kỳ.

Đáng chú ý, OpenAI cho biết việc này bắt đầu từ GPT‑4o vào đầu năm 2025, một model nay đã cũ hai thế hệ. Trong bài viết hồi tháng 8 về kết quả đầu tiên của Jalapeño, công ty nói nhờ AI hỗ trợ mà con chip đi từ thiết kế ban đầu đến tapeout (chốt bản thiết kế gửi nhà máy) trong chín tháng.

Với AMD, có một câu quan trọng hơn cả con số tiêu đề: model “dùng công cụ của Synopsys để xác minh mỗi lần viết lại vẫn giữ nguyên hành vi của khối mạch, và để đánh giá đánh đổi về công suất, hiệu năng, diện tích”. Đây chính là mô hình agent mà lập trình viên đã quen trong các công cụ viết code: model đề xuất một bản diff, còn các công cụ tất định (ở đây là kiểm tra tương đương và tổng hợp mạch, thay cho unit test và trình biên dịch) quyết định nó có đứng được hay không. Sự sáng tạo của model chỉ có giá trị vì bộ kiểm chứng đáng tin.

Benchmark RISC-V, và lời cảnh báo chính OpenAI viết ra

Người ngoài không thể tái lập kết quả trên chip AMD, nên OpenAI dựng thêm một thước đo trên hai lõi 32-bit mã nguồn mở: PicoRV32 (lõi gọn nhẹ dành cho FPGA) và Ibex (lõi nhúng dùng trong chip bảo mật OpenTitan).

  • Bài A, tối ưu RTL có sẵn: tăng thông lượng, tức số lệnh thực thi mỗi giây. Thiết kế bị chấm 0 điểm nếu trượt một bài kiểm tra mô phỏng hoặc dùng hơn 16 lần diện tích gốc. Thiết kế đạt được tính điểm bằng trung bình nhân IPC (số lệnh mỗi chu kỳ) trên các tải thử bị giấu khỏi model, nhân với tần số xung nhịp tối đa ước lượng bằng Yosys, rồi chuẩn hoá sao cho thiết kế tốt nhất từng thấy trên mỗi lõi được 1,0. Điểm trung bình tính cả các lượt 0 điểm.
  • Bài B, thiết kế từ đặc tả: model nhận yêu cầu bằng văn bản cùng khuôn mẫu giao tiếp, rồi tự chọn vi kiến trúc và cách chia tầng pipeline.

Với ngân sách tương đương khoảng 112.000 token mỗi lượt, GPT‑6.2 Astra có điểm trung bình cao nhất trên cả hai lõi. Trên PicoRV32, điểm tối ưu của nó gấp khoảng hai lần GPT‑6 Astra. Khi thiết kế từ đặc tả, nó đạt trung bình trên 0,7 với PicoRV32 và khoảng 0,75 với Ibex. GPT‑6.1 Sol vượt GPT‑5.6 Sol trên cả hai lõi, nên xu hướng qua các thế hệ khá nhất quán.

Kết quả thú vị nhất lại là kết quả đi ngược sự tung hô: cả năm model đều đạt điểm cao hơn khi thiết kế từ đặc tả so với khi cải tiến thiết kế có sẵn. OpenAI thẳng thắn giải thích: bắt đầu từ yêu cầu cho phép model bỏ bớt những tính năng như bộ đếm hiệu năng hay lệnh bổ sung, vốn tốn diện tích mà chẳng giúp gì trên tải thử. Công ty cũng viết rằng nếu bắt buộc giữ đủ tính năng, siết giới hạn diện tích và kiểm tra timing sau tổng hợp vật lý thì bài thử “sẽ sát với thiết kế chip thực tế hơn”. Nói cách khác, benchmark công khai này đo tiến bộ giữa các thế hệ model, chứ không thay được khâu nghiệm thu (sign-off). Trần diện tích 16 lần là rất rộng rãi, và tần số ước lượng bằng Yosys không phải là timing closure sau khi đặt và đi dây.

Vì sao điều này quan trọng, không chỉ với hãng chip

AI bắt đầu cải tiến chính phần cứng nó chạy trên đó. Jalapeño là chip suy luận; GPU của AMD là thứ OpenAI và nhiều nơi khác dùng để huấn luyện và phục vụ model. Nếu model vắt thêm được 10–14% PPA từ những khối mà đội chuyên gia đã tối ưu kỹ, thì đó là năng lực tính toán rẻ hơn cho model kế tiếp. Vòng phản hồi mà giới nghiên cứu an toàn AI bàn luận lâu nay ở dạng lý thuyết, giờ hiện ra thành một dòng trong bảng chi phí.

Đây cũng là khuôn mẫu mà các đội phần mềm đang áp dụng. “Model đề xuất, bộ kiểm chứng quyết định” là cách các agent viết code được làm cho đủ an toàn để merge: test, type checker, linter, CI. Phần cứng tình cờ có bộ kiểm chứng rất mạnh (kiểm tra tương đương hình thức) và cái giá của sai lầm rất đắt (một bộ mặt nạ quang khắc), có lẽ vì thế mà đây là lĩnh vực tốt để thử sớm. Bài học cho phần mềm: giá trị của một agent bị giới hạn bởi chất lượng các lớp kiểm tra bao quanh nó.

Nó đang trở thành sản phẩm. Cuối bài, OpenAI nhắc tới GPT‑Synopsys, công bố cùng Synopsys ngày 30/9/2026: một model chuyên biệt được huấn luyện để vận hành công cụ EDA (tự động hoá thiết kế điện tử) của Synopsys “như kỹ sư thiết kế chip lão luyện”, theo thoả thuận nhiều năm có chia sẻ doanh thu. Synopsys cam kết dữ liệu thiết kế của khách hàng không dùng để huấn luyện và được mã hoá cả khi lưu trữ lẫn khi truyền. Bài viết ngày 18/11 về thực chất là bằng chứng OpenAI cần để bán dịch vụ đó.

Những câu hỏi còn bỏ ngỏ

  • Không có số liệu từ phía AMD. Bài không nêu tên sản phẩm GPU hay CPU, khối mạch cụ thể, cũng không tách 14% ấy ra bao nhiêu là công suất, hiệu năng hay diện tích. “Tới 14%” là trường hợp tốt nhất. “Đã gửi đi sản xuất” cũng chưa phải silicon đã đo; chỉ phần cải thiện trên Jalapeño được mô tả là đã kiểm chứng trên silicon.
  • Model nào? Biểu đồ RISC-V nêu tên GPT‑6.2 Astra, nhưng bài không nói model hay bộ công cụ nội bộ nào làm phần việc với AMD, và chuyên gia con người đã định hướng bao nhiêu.
  • Khó tái lập. Bộ khung chấm điểm RISC-V, tải thử bị giấu và prompt đều không được công bố, nên người ngoài không thể chạy lại 9.881 lượt.
  • Niềm tin vẫn phải kiểm bằng tay. Như The Next Web chỉ ra, chính trưởng bộ phận phần cứng của OpenAI là Richard Ho tháng trước nói ông vẫn chưa hoàn toàn tin các thay đổi thiết kế do AI tạo ra, nên thay đổi nào cũng được kiểm tra. Điều đó lành mạnh, nhưng cũng có nghĩa con số “một năm tiến bộ trong năm tháng” đã bao gồm rất nhiều thời gian con người rà soát mà bài viết không đo.

Cách đọc công bằng: đây không phải AI tự thiết kế chip. Đây là các model hàng đầu đóng vai người tối ưu vi mô không biết mệt, làm việc bên trong một quy trình đã trưởng thành và được công cụ kiểm chứng, tìm ra những phần lợi mà chuyên gia còn bỏ sót. Kém kịch tính hơn nhưng hữu ích hơn, và đó cũng là hình dạng mà lập trình có AI hỗ trợ nhiều khả năng sẽ mang trong vài năm tới.

Nguồn