OpenAI a publié le 18 novembre 2026 un compte rendu détaillé de l'usage de ses modèles pour concevoir des puces, avec des chiffres issus de sa propre puce d'inférence, de son travail avec AMD et de tests sur des processeurs open source. L'entreprise affirme que ses modèles améliorent rapidement les puces qui font tourner l'IA, et que ce texte prolonge une publication d'août sur l'emploi de modèles de pointe pour accélérer Jalapeño, sa première puce d'inférence sur mesure.

Pour Jalapeño, OpenAI explique qu'un modèle a commencé à aider à la conception début 2025, avec GPT-4o, et qu'il trouvait déjà des gains non négligeables en consommation, performance et surface. Dans l'unité vectorielle, les économies viennent des additionneurs et multiplieurs en virgule flottante, des fonctions de conversion, de la logique de réduction et de l'unité de fonctions spéciales. Dans l'unité matricielle, une refonte de multiplieur a consommé environ 15 % de surface en moins en synthèse tout en faisant passer la latence de deux cycles d'horloge à un, et une refonte distincte d'additionneur a économisé environ 15 % de surface à latence égale. Au total, l'équipe estime que les changements proposés par les modèles ont réduit la surface de cellules standard d'environ 13 % dans l'unité vectorielle et de 10 % dans l'unité matricielle. D'après OpenAI, ces optimisations ont été validées sur silicium lors de la mise en route de Jalapeño.

La même méthode s'applique à du matériel tiers. L'entreprise rapporte jusqu'à 14 % d'amélioration en consommation, performance et surface par rapport à des références déjà très optimisées sur la propriété intellectuelle de GPU haut de gamme d'AMD, obtenue en réécrivant le code SystemVerilog qui décrit les circuits, et évoque environ un an de progrès en moins de cinq mois. Selon OpenAI, AMD a déjà repris certaines modifications dans une conception récente envoyée en fabrication et en a ajouté d'autres à ses fichiers de production ; AMD a aussi vérifié des gains de quelques pour cent sur des blocs clés de son prochain CPU haut de gamme avec des conceptions écrites par le modèle. Des outils de Synopsys ont servi à confirmer que chaque réécriture conservait le comportement et à mesurer les compromis.

Pour suivre les progrès d'une génération de modèles à l'autre, OpenAI les a testés sur deux cœurs RISC-V 32 bits open source : PicoRV32, conçu pour les circuits programmables, et Ibex, le processeur de la puce de sécurité OpenTitan. Dans une tâche, les modèles devaient augmenter le débit de la conception existante ; dans l'autre, concevoir un cœur à partir d'exigences écrites. Avec un budget comparable d'environ 112 000 jetons par essai, GPT-6.2 Astra obtient le meilleur score moyen sur les deux cœurs, et GPT-6.1 Sol dépasse GPT-5.6 Sol. Sur 9 881 essais notés, les cinq modèles marquent davantage en partant d'exigences qu'en améliorant une conception existante.

OpenAI signale une limite à ce dernier résultat. Partir d'exigences laisse aux modèles la liberté d'omettre des fonctions des cœurs d'origine, comme les compteurs de performance et des instructions supplémentaires, qui comptent peu pour le débit sur les charges de test et pourraient expliquer une partie de l'écart. L'entreprise estime qu'imposer ces fonctions, resserrer les limites de surface et vérifier le timing après synthèse physique rapprocherait le test de la conception de puces en production.

Enfin, avec Synopsys, OpenAI entraîne GPT-Synopsys, un modèle destiné à utiliser les outils d'automatisation de la conception électronique de Synopsys comme le font les concepteurs expérimentés. Tous les chiffres du billet proviennent d'OpenAI et de ses descriptions de partenaires, et le récit propre d'AMD sur ces gains n'est pas inclus.

Références