OpenAI تراشه Jalapeño را با کمک هوش مصنوعی در 9 ماه طراحی کرد

OpenAI تراشه جالاپینو با کمک کدکس و هوش مصنوعی در ۹ ماه از RTL تا نوار چسب و زمان طراحی تراشه را نصف کنید.

به گزارش سرویس سخت افزار مجردتراشه Jalapeño OpenAI صنعت را متحول کرده است نه به دلیل کارایی یا عملکرد آن، بلکه به دلیل نحوه طراحی آن.

این شرکت از ابتدا اعلام کرده بود که هوش مصنوعی نقش مهمی در فرآیند طراحی Jalapeño ایفا کرده است.

این نقش نه تنها شامل طراحی خود سخت افزار، بلکه طراحی مشترک تراشه با پشته نرم افزار OpenAI نیز می شود.

این رویکرد به تراشه اجازه داد تا از مرحله طراحی اولیه در سطح انتقال پایداری یا RTL به مرحله tapeout تنها در حدود 9 ماه برود.

کل فرآیند از ایده اولیه تا معرفی تراشه کمتر از دو سال طول کشید.

ریچارد هو، مدیر بخش سخت‌افزار OpenAI، می‌گوید که زمان‌بندی “استاندارد جدیدی را تعیین کرده است” و صنعت تراشه به دنبال این است که شرکت یاد بگیرد چگونه OpenAI به این نتیجه دست یافته است.

نقش هوش مصنوعی در طراحی Jalapeño

استفاده از هوش مصنوعی در طراحی تراشه چیز جدیدی نیست و حتی قبل از ظهور مدل های زبان بزرگ نیز وجود داشته است.

بزرگ‌ترین شرکت‌ها در زمینه اتوماسیون طراحی الکترونیکی یا EDA، Cadence و Synopsys، چندین سال است که مجموعه‌ای از ابزارهای طراحی تراشه با کمک هوش مصنوعی را ارائه می‌کنند.

با این حال، مدل‌هایی که OpenAI استفاده می‌کرد، مدل‌های داخلی خود شرکت بود و OpenAI علاوه بر ابزارهای EDA موجود، از یک فرآیند مهندسی جدید مبتنی بر هوش مصنوعی استفاده کرد.

تیم مهندسی OpenAI از پلتفرم کدنویسی مبتنی بر عامل Codex برای طراحی Jalapeño استفاده کرد. هو گفت: «اما ما معتقدیم که هر تیم مهندسی در زمینه طراحی تراشه باید بتواند از این روش به عنوان یک استاندارد جدید استفاده کند، زیرا این پروژه نشان می‌دهد که مدل‌های مورد استفاده در حال حاضر بسیار توانمند هستند.»

ما بیشتر از Codex، Sol، pre-Sol مدل و حالا Astra استفاده می کنیم. این مدل ها بسیار قدرتمند هستند.

حتی از زمانی که این کار را در نوامبر 2025 شروع کردیم تا زمانی که به Tapeout رسیدیم، مدل‌ها به طرز چشمگیری بهبود یافتند.

حتی از آن زمان تا زمانی که ما در ماه می بهینه سازی هسته ها را شروع کردیم و تراشه ها برای اولین بار فعال شدند، ما از پیشرفت Codex و آنچه که داشت شگفت زده شدیم.

بیشتر بخوانید: ورود OpenAI به بازار سهام تا اطلاع ثانوی ممنوع است. شرط سام آلتمن چیست؟

نقش مهندسان انسانی در طراحی Jalapeño

هوش مصنوعی در طول توسعه Jalapeño مورد استفاده قرار گرفت. این استفاده محدود به طراحی تراشه نبود و شامل نوشتن و بهینه سازی کرنل ها بود.

با این حال، هو بارها بر اهمیت داشتن مهندسان توانمند برای هدایت این سیستم ها تاکید کرد.

فرآیند توسعه Jalapeño نمونه بارز استفاده از هوش مصنوعی برای افزایش قابلیت‌های یک تیم انسانی به جای جایگزینی نیروی انسانی است.

هو چرخه توسعه تراشه را “الگوی خوبی” برای نحوه عملکرد تیم های مهندسی در عصر هوش مصنوعی توصیف کرد.

او گفت: این روشی است که باید از هوش مصنوعی استفاده شود. ما مهندسان خود را جایگزین نکردیم، آنها فقط بازدهی بیشتری داشتند.

با یک تیم کوچکتر از مهندسان بسیار خوب و استفاده گسترده از ابزارهای هوش مصنوعی، می توانید کارها را سریعتر و بهتر از همیشه انجام دهید. من فکر می کنم این مدل خوبی برای نحوه کار مهندسی در عصر هوش مصنوعی است.

اگرچه OpenAI قادر به تولید سیلیکون عملیاتی بسیار سریعتر از چرخه سنتی توسعه تراشه بود، اما این فرآیند بدون مشکل نبود.

به عنوان مثال، گزارش ها نشان می دهد که نسخه B0 تراشه Jalapeño تا 25 درصد عملکرد بهتری در هر وات نسبت به نسخه اصلی A0 دارد.

چنین تفاوتی بیشتر شبیه یک بهبود نسلی است تا یک بهینه سازی معمولی در مرحله اصلاح تراشه.

این می تواند نشان دهنده این باشد که حداقل برای یک تیم سخت افزاری نوپا، برخی از اشکالات طراحی در نسخه اولیه وجود داشته است.

مشخص نیست که آیا این موضوع را باید به هوش مصنوعی نسبت داد یا نیروی انسانی.

بیشتر بخوانید: خرابی سوئیچ توقف اضطراری؛ OpenAI آموزش قدرتمندترین مدل های خود را متوقف کرده است

علاقه سایر شرکت ها به فرآیند طراحی OpenAI

سایر آزمایشگاه های پیشرو نیز به این رشته علاقه مند هستند. کلایو چان، یکی از مهندسان کلیدی پروژه Jalapeño و دومین نیروی سخت‌افزار OpenAI، در ماه ژوئن شرکت را ترک کرد و به تیم سخت‌افزار Anthropic ملحق شد.

هو می‌گوید تاکنون صنعت «علاقه زیادی» به فرآیند طراحی تراشه‌های OpenAI به کمک هوش مصنوعی نشان داده است و احتمالاً اطلاعات بیشتری به زودی منتشر خواهد شد.

او گفت: «من نمی‌خواهم در اینجا چیزی را پیش داوری کنم. می توانم بگویم که این صنعت علاقه زیادی نشان داده است و همچنین می توانم بگویم که معتقدیم این فناوری می تواند مزایای زیادی برای کل صنعت داشته باشد و می خواهیم امکان استفاده از آن را فراهم کنیم. صادقانه بگویم، فکر می‌کنم به زودی چیزهای بیشتری در مورد آن خواهیم دید.

هو به ده‌ها استارت‌آپ طراحی تراشه مبتنی بر هوش مصنوعی در سیلیکون ولی اشاره کرد و پیشنهاد کرد که OpenAI ابزارهایی را برای کمک به سایر شرکت‌ها در توسعه تراشه‌های هوش مصنوعی در آینده معرفی کند.

او گفت: «ما دیدگاه خودمان را در این مورد داریم و فکر می‌کنم در مقطعی می‌خواهیم به دنیا بگوییم که این دیدگاه ماست. Codex و راه اندازی GPT-6 Astra بخش اساسی این امر است.

اینها اصول هستند و می توان به آنها اشاره کرد. قرار نیست فقط یک اسلاید یا یک محصول فانتزی باشد. ما می توانیم نشان دهیم که چه کاری انجام دادیم، چگونه آن را انجام دادیم و چه چیزی به دست آوردیم. این کاملا ملموس خواهد بود.”

منظور هو از «آن» دقیقاً چه چیزی مشخص نیست. با توجه به زمینه صحبت های او، به نظر می رسد که OpenAI ممکن است در حال بررسی تجاری سازی فرآیند طراحی تراشه با کمک هوش مصنوعی خود باشد. هو می گوید که Astra گام بزرگی در این مسیر است و این مدل قبلاً خود را در انجام کارهای چشمگیر مانند اجرای مستقل بازی Portal ثابت کرده است.

حفظ ابزارهای سنتی EDA در مرحله نهایی

OpenAI از مدل های داخلی خود به شدت در طراحی و اعتبار سنجی Jalapeño استفاده کرد، اما در مراحل طراحی نهایی به طور کامل از فرآیندهای سنتی EDA منحرف نشد.

قبل از مرحله Tapeout، ابزارهایی از شرکت‌هایی مانند Synopsys و Cadence یک سری آزمایش‌های اعتبارسنجی نهایی را انجام می‌دهند.

این تست ها شامل تجزیه و تحلیل زمان بندی استاتیک و تجزیه و تحلیل یکپارچگی سیگنال است. هو می گوید OpenAI از همان فرآیند استاندارد EDA برای Jalapeño استفاده کرد.

او گفت: «اما شما باید از فرآیندهای استاندارد EDA برای تأیید نهایی استفاده کنید، و این کاری است که ما انجام دادیم، زیرا می‌خواهید مطمئن شوید که نتایج صحیح و قابل اعتماد هستند».

امروز هیچ جایگزین واقعی وجود ندارد. بخشی از این فرآیند ترکیبی از جریان های استاندارد است که با هوش مصنوعی و توسط مهندسان بسیار توانمند بهینه شده است.

نسل های بعدی شتاب دهنده های OpenAI

OpenAI همچنین نقشه راه چند نسل خود را برای شتاب دهنده ها به اشتراک گذاشته است. این شرکت می‌گوید که نسل دوم ASIC در حال نزدیک شدن به مرحله تولید است و نسل سوم ASIC در حال توسعه است.

اگرچه هو چرخه توسعه Jalapeño را استاندارد جدیدی برای زمان‌بندی طراحی تراشه می‌داند، اما در مورد تکرار چنین سرعتی در پروژه‌های آینده محتاط است.

هو گفت: “پروژه ها و پروژه های ما به سطح بلوغ فناوری ها بستگی دارد.” ما می توانیم خیلی سریع عمل کنیم. آیا ما چنین دویدن سریع پشت سر هم انجام خواهیم داد؟ من شک دارم، زیرا فناوری برای آن آماده نخواهد بود، و من نمی‌خواهم تراشه‌ای را به Tapeout ارائه کنم که تنها 2 درصد بهتر از تراشه قبلی باشد، زیرا ارزش تغییر کل ناوگان را برای چنین پیشرفتی ندارد.»

محدودیت های زمانی 9 ماهه

هو همچنین تاکید کرد که زمان بندی Jalapeño لزوماً الگویی برای همه تراشه ها نخواهد بود. در طراحی اولیه معماری، تیم OpenAI برخی “مصالحات عملی” انجام داد و از نکات طراحی در حال ظهور و پیچیده مانند انباشته شدن سه بعدی و اپتیک های همبسته اجتناب کرد.

“آیا بیشتر طول می کشد؟” او نتیجه گرفت. 9 ماه طول میکشه؟ من نمی گویم که نه ماه طول می کشد… اما فکر می کنم سریعتر از زمانی است که شما مدل های هوش مصنوعی نداشته باشید.