OpenAI optimiert AMD-Chipdesign: Was die 14 Prozent bedeuten

KI-Modelle haben laut OpenAI Teile von AMDs GPU-Design verbessert. Einige Änderungen stecken demnach bereits in einem Design, das AMD zur Fertigung gegeben hat. Das ist der praktisch wichtigste Punkt der Meldung: Die Vorschläge haben es über eine reine Testaufgabe hinaus geschafft. Ein Versprechen auf 14 Prozent mehr Leistung für die nächste Grafikkarte ist das allerdings nicht.

In seinem am 18. November 2026 veröffentlichten Beitrag Advancing chip design with OpenAI models nennt OpenAI Verbesserungen von bis zu 14 Prozent bei PPA auf AMDs Flaggschiff-GPU-IP. Das Kürzel steht für Leistungsaufnahme, Performance und Fläche. Verglichen wurde laut dem Unternehmen mit bereits stark optimierten Ausgangsdesigns. Welche konkreten Produkte davon profitieren, bleibt offen.

14 Prozent PPA sind keine 14 Prozent mehr Grafikleistung

Die drei PPA-Größen beschreiben unterschiedliche Eigenschaften eines Schaltungsdesigns. Weniger Leistungsaufnahme, höhere Performance und weniger benötigte Fläche sind jeweils nützlich. Sie lassen sich aber nicht einfach mit der Geschwindigkeit einer fertigen Grafikkarte gleichsetzen.

OpenAI schlüsselt nicht auf, ob sich die genannten 14 Prozent auf einzelne Messgrößen oder einen zusammengefassten Wert beziehen. Ebenso fehlen Ergebnisse für die einzelnen betroffenen AMD-Blöcke. Deshalb lässt sich aus der Zahl weder ein konkreter Stromspareffekt noch ein Leistungsgewinn für ein fertiges Gerät ableiten.

Für Nutzer ist diese Trennung wichtig. Ein effizienterer Schaltungsblock kann ein besseres Produkt ermöglichen. Wie viel davon bei einer Grafikkarte oder einem Rechner ankommt, ist mit den veröffentlichten Angaben aber nicht beziffert. Auch ein bestimmtes Radeon-Modell lässt sich der Meldung nicht zuordnen.

Das Modell schreibt Schaltungscode um

Die Arbeit setzte am SystemVerilog-RTL an. Das ist der Code, der das Verhalten der digitalen Schaltungen beschreibt. Die Modelle schrieben diesen Code um, unter anderem für Berechnungen, Steuerungsvorgänge und Datenbewegung. Sie sollten also bestehende Aufgaben günstiger umsetzen, ohne das Verhalten des jeweiligen Blocks zu verändern.

Nach OpenAIs Darstellung nutzte das Modell Werkzeuge von Synopsys, um diese Verhaltensgleichheit zu prüfen. Mit den Werkzeugen bewertete es außerdem die Zielkonflikte zwischen Leistungsaufnahme, Performance und Fläche. Der Prüfprozess gehört hier zur Leistung dazu: Eine kleinere Schaltung hilft wenig, wenn sie anschließend etwas anderes berechnet.

OpenAI ordnet den GPU-Fortschritt als ungefähr ein Jahr Entwicklungsarbeit ein, erreicht in weniger als fünf Monaten. Das ist die Bewertung des Unternehmens, kein allgemeiner Maßstab dafür, wie stark KI die gesamte Chipentwicklung beschleunigt. Der beschriebene Einsatz ist enger: vorhandene Schaltungsbeschreibungen überarbeiten, prüfen und nach messbaren Kriterien verbessern.

Die Übernahme ins Fertigungsdesign zählt mehr als der Spitzenwert

AMD hat laut OpenAI einen Teil der Änderungen in ein kürzlich zur Fertigung gegebenes Design aufgenommen. Weitere Änderungen seien in die Produktions-Designfiles künftiger Versionen eingeflossen. Damit berichtet OpenAI von einer tatsächlichen Übernahme in AMDs Entwicklungsprozess, nicht bloß von besseren Werten in einem isolierten Versuch.

Das bedeutet noch nicht, dass entsprechende Chips bereits erhältlich sind. OpenAI nennt weder die betroffenen AMD-Produkte noch einen Termin für deren kommerzielle Verfügbarkeit. Auch das genaue Fertigungsstadium bleibt offen. Eine Kaufentscheidung lässt sich daraus derzeit nicht ableiten.

Die Angaben zu AMD stammen zudem aus OpenAIs Bericht. Eine eigene AMD-Veröffentlichung mit den konkreten Ergebnissen fehlt bislang; die zugrunde liegenden Benchmarkdaten sind nicht öffentlich nachprüfbar. Das schmälert nicht automatisch das Ergebnis, begrenzt aber, wie belastbar sich die 14 Prozent von außen einordnen lassen.

Auch bei AMDs kommender Flaggschiff-CPU-Generation nennt OpenAI Fortschritte: AMD habe einstellige prozentuale PPA-Gewinne in Schlüsselblöcken bestätigt. Wieder geht es um Teile des Designs. Eine entsprechend höhere Gesamtleistung des Prozessors ist damit nicht belegt.

Beim eigenen Chip gibt es einen konkreteren Praxisbeleg

Anschaulicher sind die Angaben zu OpenAIs eigenem Inferenz-Chip Jalapeño. Das Team schätzt die durch Modellvorschläge erreichte Verringerung der Standardzellenfläche auf etwa 13 Prozent in der Vektoreinheit und etwa 10 Prozent in der Matrixeinheit. Laut OpenAI wurden diese Optimierungen beim Silizium-Bring-up bestätigt, also bei der Inbetriebnahme des gefertigten Chips.

Ein neu gestalteter Multiplikator benötigte in der Synthese etwa 15 Prozent weniger Zellfläche und verkürzte seine Latenz von zwei auf einen Taktzyklus. Ein separat überarbeiteter Addierer sparte ebenfalls etwa 15 Prozent Fläche, blieb aber bei zwei Takten. Das zeigt den Unterschied zwischen den Messgrößen recht greifbar: Weniger Fläche bedeutet nicht automatisch kürzere Rechenzeit.

Der Nutzen der Modelle liegt nach diesen Ergebnissen vorerst in der Detailarbeit am Chipdesign. Verbesserungen können bis in reale Fertigungsentwürfe gelangen. Für Käufer fehlt noch die entscheidende Übersetzung: welches Produkt dadurch wie viel sparsamer oder schneller wird. Bis diese Daten vorliegen, sind die 14 Prozent ein Ergebnis aus der Entwicklung – keine Leistungszusage für kommende Hardware.

Quelle: OpenAI

Ähnliche Beiträge