OpenAI Modelleri Çip Tasarladı: AMD GPU'larında Yüzde 14'e Varan Kazanç
OpenAI, modellerinin AMD GPU bloklarında yüzde 14'e varan PPA iyileşmesi sağladığını, Jalapeño çipinde bir çarpıcıyı yüzde 15 küçültüp tek döngüye indirdiğini açıkladı.
Öne Çıkanlar
- AMD GPU bloklarında yüzde 14'e varan güç-performans-alan iyileşmesi
- Jalapeño'da bir çarpıcı yüzde 15 küçüldü, işlem tek döngüye indi
- Değişikliklerin bir kısmı üretime giden tasarıma girdi
- RISC-V testlerinde en iyi sonucu GPT-6.2 Astra verdi
- Synopsys ile GPT-Synopsys adlı tasarım ajanı geliştiriliyor
OpenAI, kendi dil modellerini yalnız yazılım yazmak için değil, çip tasarlamak için de kullandığını ayrıntılı rakamlarla anlattı. Şirketin 18 Kasım'da yayımladığı teknik yazıya göre modeller, AMD'nin amiral gemisi grafik işlemcisine ait devre bloklarında güç, performans ve alan dengesinde yüzde 14'e varan iyileşme sağladı. Aynı yöntem, OpenAI'ın kendi çıkarım çipi Jalapeño'da da bazı birimleri gözle görülür ölçüde küçülttü. Yazının tamamı OpenAI'ın resmî sayfasında yayımlandı.
Modeller tam olarak ne yaptı?
Çip tasarımında devreler, SystemVerilog gibi donanım tanımlama dilleriyle yazılan RTL kodlarıyla tarif edilir. Bu kod ne kadar akıllıca yazılırsa, ortaya çıkan devre o kadar az yer kaplar, o kadar az enerji harcar ve o kadar hızlı çalışır. Mühendisler buna kısaca PPA, yani güç, performans ve alan der. OpenAI'ın modelleri mevcut RTL kodunu yeniden yazdı; her değişikliğin bloğun davranışını bozmadığı Synopsys'in doğrulama araçlarıyla kontrol edildi ve kazanç ile kayıp aynı araçlarla ölçüldü.
Modellerin denediği yollar, deneyimli bir tasarımcının masaya koyacağı türden: aynı mantık işlemini farklı devre yapılarıyla kurmak, hesaplamayı boru hattının aşamalarına başka biçimde dağıtmak, birden fazla işin aynı donanımı paylaşmasını sağlamak ve ara sonuçları tutan bellek miktarını azaltmak.
AMD tarafında yüzde 14'e varan kazanç
OpenAI'ın aktardığına göre AMD'nin yoğun biçimde optimize edilmiş grafik işlemcisi devre bloklarında, modellerin yaptığı değişiklikler yüzde 14'e kadar PPA iyileşmesi getirdi. Bu yeniden yazımların bir kısmı üretime gönderilen bir tasarıma girdi. OpenAI, normalde yaklaşık bir yıl sürecek ilerlemenin beş aydan kısa sürede yakalandığını söylüyor. AMD ise yeni nesil amiral gemisi işlemcisinin kilit bloklarında, model tarafından yazılan tasarımlarla tek haneli yüzdelik kazançları kendisi doğruladı ve bazı değişiklikleri gelecek sürümlerin üretim dosyalarına ekledi. AMD'nin bu konuda ayrı bir açıklama yapmadığını, rakamların OpenAI'ın yazısından geldiğini not edelim.
Jalapeño'da çarpıcı küçülme
OpenAI, Broadcom ile geliştirdiği ilk çıkarım çipi Jalapeño'nun tasarımında 2025'in başından beri modellerden yardım alıyor. Yazıda verilen sonuçlar şöyle: paralel hesaplama işlerini yöneten birimde standart hücre alanı yaklaşık yüzde 13, matris biriminde yaklaşık yüzde 10 azaldı. Matris birimindeki bir çarpıcının yeniden tasarımı, sentezde yaklaşık yüzde 15 daha az alan kaplarken işlemi iki saat döngüsünden tek döngüye indirdi. Bir toplayıcı devresinde de yine yaklaşık yüzde 15 alan tasarrufu sağlandı; bu blokta gecikme iki döngüde kaldı. OpenAI bu iyileştirmelerin çipin ilk çalıştırma aşamasında silikonda da doğrulandığını belirtiyor. Şirket Ağustos ayında, yapay zekâ desteği sayesinde Jalapeño'nun ilk tasarımdan üretime teslim aşamasına dokuz ayda geldiğini açıklamıştı.
Açık kaynak işlemcilerle kıyaslama
OpenAI, farklı modellerin bu işte ne kadar iyi olduğunu görmek için iki açık kaynak RISC-V çekirdeği üzerinde test yaptı: FPGA'lar için tasarlanmış küçük PicoRV32 ve OpenTitan güvenlik çipinde kullanılan Ibex. Toplam 9.881 puanlanmış deneme yapıldı. Görevlerden biri mevcut çekirdeğin kodunu hızlandırmak, diğeri yazılı gereksinimlerden sıfırdan çekirdek tasarlamaktı. Simülasyonu geçemeyen ya da orijinalin 16 katından fazla alan kaplayan tasarımlar sıfır puan aldı. Yaklaşık 112 bin token'lık denemelerde en yüksek ortalamayı her iki çekirdekte de GPT-6.2 Astra yakaladı. Şirketin yakın zamanda yayımladığı bu model hakkında GPT-6.2 Astra ve Sol haberimizde ayrıntı bulabilirsiniz.
OpenAI, sonuçların zayıf yanlarını da saklamıyor. Gereksinimlerden tasarım yapan modeller, performans sayaçları ya da ek komutlar gibi test iş yüklerinde hıza pek etki etmeyen özellikleri bazen tasarıma eklemedi. Bu da o görevdeki puanları olduğundan yüksek gösterebilir. Şirketin önerdiği düzeltmeler: bu özellikleri zorunlu kılmak, alan sınırını sıkılaştırmak ve fiziksel sentez sonrası zamanlama kontrolü yapmak.
Synopsys ile ortak araç yolda
Çalışma, OpenAI ile tasarım otomasyon yazılımlarının en büyük üreticilerinden Synopsys arasında Eylül sonunda imzalanan çok yıllık anlaşmanın üzerine kuruluyor. İki şirket, deneyimli çip mühendisleri gibi tasarım araçlarını kullanabilen GPT-Synopsys adlı bir sistem üzerinde çalışıyor. Synopsys'e göre mühendisler bu sisteme PPA iyileştirmesinden zamanlama ve doğrulama kapanışına kadar hedefler verecek; ajan araçları çalıştıracak, sonuçları yorumlayacak, değişiklikleri uygulayacak ve sonucu mühendisin onayına sunacak. Synopsys, müşteri tasarım verilerinin bu modeli eğitmek için kullanılmayacağını ve verilerin şifreli tutulacağını taahhüt ediyor.
Neden önemli?
Yapay zekâ çiplerine olan talep, tasarım kapasitesinin önüne geçmiş durumda. Bir çipin birkaç yüzde daha küçük olması, aynı silikon plakadan daha fazla çip çıkması ve veri merkezinde daha az elektrik harcanması anlamına geliyor. Sektörün ölçeğini görmek için NVIDIA'nın 115,8 milyar dolarlık çeyrek gelirine bakmak yeterli. Bu pazarda tasarım süresini aylar mertebesinde kısaltmak, doğrudan rekabet avantajı demek.
TeknoDB yorumu: abartmadan, ama ciddiye alarak
Bu açıklamayı "yapay zekâ çip mühendislerinin yerini aldı" diye okumak yanlış olur. Yazıdaki her sonuç, belirli bloklar için, insan mühendislerin kurduğu doğrulama düzeninin içinde elde edilmiş. Üretime giden tasarımda son imzayı yine fabrika sorumluluğunu taşıyan ekipler atıyor. Ayrıca AMD rakamlarını şimdilik yalnız OpenAI'ın kendi yazısından biliyoruz; bağımsız bir doğrulama yok.
Yine de dikkat çeken bir kırılma noktası var: dil modelleri artık yalnız uygulama kodu değil, silikona dönüşen kod da yazıyor ve bunun bir kısmı gerçekten üretime giriyor. Türkiye'de çip tasarımıyla uğraşan üniversite ekipleri, savunma sanayii şirketleri ve FPGA geliştiricileri için bu gelişmenin pratik karşılığı açık: RTL kodu yazarken modelleri yardımcı olarak kullanmak mümkün, ancak her model çıktısında eşdeğerlik denetimini yeniden çalıştırmak ve zamanlama analizini atlamamak şart. Yapay zekâ destekli tasarım araçlarını denemek isteyen öğrenciler için PicoRV32 ve Ibex gibi açık kaynak çekirdekler iyi bir başlangıç noktası. Kurumsal tarafta ise tasarım verisinin bulut tabanlı bir modelle paylaşılmasının gizlilik ve ihracat kontrolü açısından ne anlama geldiği, sözleşme aşamasında mutlaka netleştirilmeli.
Tepkiniz Nedir?
Tepkiniz Nedir?
Beğen
0
Beğenme
0
Aşk
0
Komik
0
Vay
0
Üzgün
0
Kızgın
0






















Yorumlar (0)
Güvenlik Kontrolü
Lütfen insan olduğunuzu doğrulamak için captcha'yı tamamlayın.