La progettazione dei semiconduttori entra in una nuova fase. OpenAI ha dimostrato, attraverso una collaborazione con AMD, che i modelli di intelligenza artificiale possono intervenire direttamente nella progettazione dei circuiti, riducendo drasticamente i tempi necessari per ottimizzare un chip. Il risultato più significativo riguarda il PPA, acronimo di Power, Performance, Area, i tre parametri che misurano rispettivamente consumo energetico, prestazioni e dimensioni fisiche di un circuito. Le modifiche sviluppate dai modelli di OpenAI hanno prodotto miglioramenti fino al 14% su una GPU di fascia alta di AMD, raggiungendo in meno di cinque mesi risultati che, secondo le aziende, avrebbero normalmente richiesto circa un anno di lavoro specialistico.

Non si tratta di una dimostrazione confinata a un ambiente sperimentale. AMD ha già incorporato alcune delle modifiche in un progetto recente inviato alla produzione, mentre altri interventi sono stati trasferiti nei file destinati alle future versioni dei chip. OpenAI ha inoltre applicato lo stesso approccio a Jalapeño, il proprio processore personalizzato destinato all’esecuzione di modelli di intelligenza artificiale, verificando i miglioramenti su un progetto hardware concreto.

L’elemento tecnologicamente più interessante è GPT-Synopsys, un modello sviluppato per utilizzare gli strumenti EDA di Synopsys, i software impiegati dai progettisti per descrivere, simulare, verificare e ottimizzare i circuiti integrati. In sostanza, l’intelligenza artificiale non si limita più a suggerire modifiche al codice: impara a operare all’interno degli stessi ambienti professionali utilizzati dagli ingegneri hardware, intervenendo su un processo che richiede competenze estremamente specialistiche.

Le implicazioni industriali sono rilevanti. La progettazione dei chip rappresenta uno dei colli di bottiglia più costosi dell’intera filiera tecnologica, perché ogni miglioramento deve superare verifiche rigorose prima di poter essere trasferito alla produzione fisica. Ridurre i tempi di ottimizzazione significa potenzialmente accelerare lo sviluppo dei processori e contenere i costi di progettazione. Significa anche modificare il rapporto tra competenze umane e automazione in un settore nel quale l’esperienza degli ingegneri ha rappresentato storicamente una barriera d’ingresso elevatissima.

OpenAI sta quindi estendendo l’intelligenza artificiale oltre il software, portandola nel cuore della progettazione dell’hardware che rende possibile la stessa rivoluzione AI. È un passaggio strategico: chi controlla i modelli non vuole più limitarsi a utilizzare i semiconduttori prodotti da altri, ma punta a contribuire alla loro progettazione. E in un mercato nel quale la disponibilità di capacità di calcolo condiziona direttamente la competitività delle imprese, anche un miglioramento del 14% può tradursi in un vantaggio economico considerevole.

La progettazione dei semiconduttori entra in una nuova fase. OpenAI ha dimostrato, attraverso una collaborazione con AMD, che i modelli di intelligenza artificiale possono intervenire direttamente nella progettazione dei circuiti, riducendo drasticamente i tempi necessari per ottimizzare un chip. Il risultato più significativo riguarda il PPA, acronimo di Power, Performance, Area, i tre parametri che misurano rispettivamente consumo energetico, prestazioni e dimensioni fisiche di un circuito. Le modifiche sviluppate dai modelli di OpenAI hanno prodotto miglioramenti fino al 14% su una GPU di fascia alta di AMD, raggiungendo in meno di cinque mesi risultati che, secondo le aziende, avrebbero normalmente richiesto circa un anno di lavoro specialistico.

Non si tratta di una dimostrazione confinata a un ambiente sperimentale. AMD ha già incorporato alcune delle modifiche in un progetto recente inviato alla produzione, mentre altri interventi sono stati trasferiti nei file destinati alle future versioni dei chip. OpenAI ha inoltre applicato lo stesso approccio a Jalapeño, il proprio processore personalizzato destinato all’esecuzione di modelli di intelligenza artificiale, verificando i miglioramenti su un progetto hardware concreto.

L’elemento tecnologicamente più interessante è GPT-Synopsys, un modello sviluppato per utilizzare gli strumenti EDA di Synopsys, i software impiegati dai progettisti per descrivere, simulare, verificare e ottimizzare i circuiti integrati. In sostanza, l’intelligenza artificiale non si limita più a suggerire modifiche al codice: impara a operare all’interno degli stessi ambienti professionali utilizzati dagli ingegneri hardware, intervenendo su un processo che richiede competenze estremamente specialistiche.

Le implicazioni industriali sono rilevanti. La progettazione dei chip rappresenta uno dei colli di bottiglia più costosi dell’intera filiera tecnologica, perché ogni miglioramento deve superare verifiche rigorose prima di poter essere trasferito alla produzione fisica. Ridurre i tempi di ottimizzazione significa potenzialmente accelerare lo sviluppo dei processori e contenere i costi di progettazione. Significa anche modificare il rapporto tra competenze umane e automazione in un settore nel quale l’esperienza degli ingegneri ha rappresentato storicamente una barriera d’ingresso elevatissima.

Rivista.AI Research è l'area di ricerca e analisi di Rivista.AI, dedicata allo studio delle trasformazioni tecnologiche, economiche e industriali legate all'intelligenza artificiale. Attraverso l'analisi di dati, documenti, fonti istituzionali e informazioni di mercato, sviluppa approfondimenti, inchieste e research paper sui modelli di business, sulle dinamiche competitive e sulle implicazioni strategiche dell'innovazione per imprese e istituzioni.

Comments are closed.