
報道:OpenAI 助 AMD 以 GPT 改善新 GPU 與 CPU 設計
Tom's Hardware 報道稱,OpenAI 曾協助 AMD 改善一款即將推出、但未公開名稱的旗艦 GPU 設計,PPA 指標提升 14%;GPT 模型亦協助 AMD 的新 CPU 開發。對晶片業而言,這反映生成式 AI 正開始介入工程設計工作,而不只用於面向消費者的聊天或內容生成。
不過,現有資料沒有交代該 GPU 的型號、14% 改善所採用的基準、測量範圍,以及由誰驗證。因此,這個數字應視為設計流程的成果,不能直接推論為最終 GPU 遊戲幀率、AI 運算速度或實際功耗同樣提升 14%。
PPA 是甚麼
PPA 是晶片設計常用的三項指標:
- Performance(效能):電路在目標時脈下能否完成所需運算。
- Power(功耗):運作時所需的能源,以及散熱與供電壓力。
- Area(面積):電路佔用晶片面積,會影響可放入的功能、晶片成本與製造取捨。
三者往往互相拉扯:提高時脈可能增加功耗;加入更多電路可能提升功能,卻會擴大面積。設計團隊的工作,通常是在既定製程、功耗與面積限制下尋找更佳平衡,而不是單純追求其中一項數字最大化。
GPT 可怎樣介入晶片設計
從報道可確認的是 GPT 模型被用於 AMD 的設計工作,但未披露具體環節。一般而言,生成式 AI 可望協助工程團隊整理設計規則、撰寫或檢查程式與文件、提出優化方向,並加快反覆分析的流程。
這類工具的價值未必在於取代晶片工程師,而在於縮短探索設計方案的時間。若團隊能更快找出在效能、功耗和面積之間較合適的方案,便可能減少重複工作,讓 CPU 與 GPU 開發週期中的部分環節更有效率。
但晶片設計仍需嚴格驗證。模型提出的建議必須通過工程工具、模擬與實際設計審核;生成式 AI 的輸出不能自行保證電路正確、可製造或符合功耗目標。AMD 最終產品的實際表現,仍要待正式規格與獨立測試公布後才能判斷。
接下來可觀察的重點,是 AMD 或 OpenAI 是否進一步說明 AI 參與的設計階段、PPA 改善的衡量方式,以及這類流程能否穩定應用到更多 CPU 與 GPU 項目。
延伸閱讀
AI 輔助說明: 本文由 AI 協助整理。
參考來源
- Tom's Hardware — OpenAI helped AMD improve its upcoming flagship GPU design by 14% PPA — GPT models also helped Lisa Su's outfit boost its new CPUs — original report
本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。







