Pular para o conteúdo

Início › Blog › Modelos e Pesquisa

OpenAI diz que seus modelos melhoraram chip da AMD em até 14%

Ilustração em colagem de papel: chip, cartão com o logo da OpenAI, mão pinçando e seta em alta

A OpenAI afirma que usou seus próprios modelos de IA para melhorar o projeto da principal GPU da AMD e conseguiu um ganho de até 14% em PPA, sigla em inglês para a combinação de consumo de energia, desempenho e área ocupada no silício. Segundo o The Decoder, o trabalho levou menos de cinco meses, e a OpenAI diz que o resultado equivale a cerca de um ano de avanço sobre um projeto que os engenheiros da AMD já vinham refinando havia anos.

Do laboratório para a fábrica

O ganho não ficou no papel. De acordo com a OpenAI, a AMD já incluiu parte das mudanças em um projeto enviado para fabricação. O The Decoder não informa qual chip da linha da AMD foi envolvido nem quais modelos a OpenAI usou em cada etapa, e também não detalha os termos do acordo entre as duas empresas.

O mesmo método foi usado no Jalapeño, primeiro chip próprio da OpenAI voltado para inferência, a etapa em que o modelo já treinado responde aos usuários. Em testes com núcleos de processador abertos baseados na arquitetura RISC-V, o GPT-6.2 Astra teve os melhores resultados entre as gerações de modelos da empresa.

A OpenAI também trabalha com a Synopsys, fabricante de software de projeto de chips, em um modelo chamado GPT-Synopsys. A ideia é usar as ferramentas da Synopsys para tornar mais acessível o projeto de chips com ajuda de IA.

A Anthropic no mesmo caminho

A disputa não é só da OpenAI. O The Decoder lembra que o modelo Mythos, da Anthropic, deu conta em três dias de otimizar o processamento de prompts de um modelo rodando em GPUs MI355X, da AMD. Segundo a Anthropic, esse tipo de tarefa costuma levar de seis a doze meses. O Claude hoje roda em quatro famílias de chips, para equilibrar custo e desempenho por dólar.

Por que importa

Os laboratórios de IA estão usando os próprios modelos para acelerar a parte mais lenta e cara da corrida: o hardware. Se a promessa se confirmar, o ciclo de melhoria dos chips encurta, e isso tende a baixar o custo de rodar IA. Para quem usa essas ferramentas no dia a dia, o efeito é indireto, mas real: chip mais eficiente significa resposta mais barata e mais rápida no fim da cadeia. Vale lembrar que os números divulgados até aqui vêm das próprias empresas, sem verificação independente.

Leia também