AI กำลังเปลี่ยนวิธีออกแบบชิป
AI ออกแบบชิป คือการใช้โมเดลปัญญาประดิษฐ์ช่วยเสนอและปรับโครงสร้างวงจร เพื่อหาสมดุลระหว่างกำลังไฟ ประสิทธิภาพ และพื้นที่ โดยยังต้องตรวจสอบว่าชิปทำงานตรงตามข้อกำหนด OpenAI เปิดเผยเมื่อเดือนพฤศจิกายน 2026 ว่าโมเดลของบริษัทช่วยปรับปรุงการออกแบบ GPU รุ่นเรือธงของ AMD ได้สูงสุด 14% ในตัวชี้วัดด้านกำลังไฟ ประสิทธิภาพ และพื้นที่ เมื่อเทียบกับแบบพื้นฐานที่ผ่านการปรับแต่งมาอย่างหนักแล้ว ผลดังกล่าวน่าสนใจไม่ใช่เพียงเพราะตัวเลข แต่เพราะงานออกแบบบางส่วนซึ่งอาจกินเวลาราวหนึ่งปีทำได้ในเวลาไม่ถึงห้าเดือน จุดนี้ชี้ว่า AI เริ่มมีบทบาทในงานวิศวกรรมที่ต้องจัดการข้อจำกัดหลายด้านพร้อมกัน ไม่ได้จำกัดอยู่แค่การเขียนโค้ดหรือสรุปข้อมูล อย่างไรก็ดี ตัวเลขสูงสุด 14% ไม่ได้แปลว่าชิปทุกส่วนดีขึ้นเท่ากัน และไม่ควรถูกตีความเป็นผลลัพธ์เดียวกันในทุกการใช้งาน

โมเดลปรับวงจรอย่างไร และเวลาได้คืนตรงไหน
เบื้องหลังผลลัพธ์คือการให้โมเดลเขียน RTL ของ SystemVerilog ใหม่ ซึ่งเป็นคำอธิบายเชิงวงจรของชิป แล้วใช้เครื่องมือของ Synopsys ตรวจว่าการเปลี่ยนแปลงยังรักษาการทำงานตามเดิม พร้อมประเมินผลแลกเปลี่ยนด้านกำลังไฟ ประสิทธิภาพ และพื้นที่ นี่คือการให้โมเดลสำรวจทางเลือกจำนวนมากในงานที่มนุษย์ต้องคำนึงถึงทั้งโครงสร้างวงจร การเคลื่อนข้อมูล และข้อจำกัดด้านเวลา การย่นงานจากกรอบเวลาราวหนึ่งปีเหลือน้อยกว่าห้าเดือนจึงมีความหมายพอ ๆ กับการเพิ่มประสิทธิภาพ GPU เพราะช่วยเร่งรอบการทดลองและการปรับแบบ แต่ไม่ควรมองว่า AI เข้ามาแทนการตัดสินใจของวิศวกร การเปลี่ยนแปลงยังต้องผ่านการตรวจสอบ และ AMD ระบุด้วยว่าโมเดลช่วยเพิ่มผลด้านตัวชี้วัดในระดับเลขหลักเดียวเปอร์เซ็นต์ให้กับบล็อกสำคัญของ CPU เรือธงรุ่นถัดไป
OpenAI ยังมีประสบการณ์จากชิป Jalapeño ของบริษัทเอง: การปรับวงจรบางส่วนลดพื้นที่หน่วยประมวลผลเวิร์ปได้ราว 13% และหน่วยเมทริกซ์ได้ 10% ขณะที่ตัวคูณที่ออกแบบใหม่ลดพื้นที่ราว 15% และลดเวลาแฝงจากสองรอบสัญญาณนาฬิกาเหลือหนึ่งรอบ ผลจาก Jalapeño ผ่านการทดสอบบนซิลิคอนแล้ว ตัวอย่างเหล่านี้ช่วยอธิบายว่า AI สามารถเสนอการเปลี่ยนระดับรายละเอียดของวงจรได้ แต่ก็ไม่ได้ยืนยันว่าทุกข้อเสนอจะเหมาะกับชิปที่ต้องผลิตจริง
การทดสอบและการร่วมมือที่ต้องจับตา
การประเมินโมเดลกับแกนประมวลผลเปิด PicoRV32 และ Ibex ครอบคลุมการทดลอง 9,881 ครั้ง โดยเปรียบเทียบทั้งการปรับวงจรเดิมและการสร้างวงจรจากข้อกำหนด ผลชี้ว่าโมเดลรุ่นใหม่ทำคะแนนได้ดีกว่าในหลายงาน แต่การออกแบบจากข้อกำหนดกลับได้คะแนนสูงกว่า เพราะโมเดลอาจละคุณสมบัติบางอย่างของต้นแบบที่ไม่ช่วยคะแนนในชุดทดสอบ นี่เป็นข้อจำกัดสำคัญ: คะแนนดีในโจทย์ทดลองยังไม่เท่ากับแบบที่พร้อมผลิต OpenAI ระบุว่าการบังคับคงคุณสมบัติเดิม เพิ่มข้อจำกัดด้านพื้นที่ และตรวจจังหวะเวลาหลังการสังเคราะห์ทางกายภาพ จะทำให้การประเมินใกล้เคียงงานจริงขึ้น
ความร่วมมือกับ Synopsys เพื่อฝึก GPT-Synopsys ให้ใช้เครื่องมือออกแบบอัตโนมัติทางอิเล็กทรอนิกส์โดยตรง คือก้าวต่อไปที่สำคัญกว่าแค่ให้โมเดลเสนอการแก้โค้ด เพราะเปิดทางให้ AI ทำงานวนซ้ำระหว่างเรียกใช้เครื่องมือ อ่านผล และปรับแบบ ก่อนส่งให้วิศวกรพิจารณา อย่างไรก็ตาม การออกแบบเซมิคอนดักเตอร์มีข้อกำหนดที่ผิดพลาดไม่ได้ และแบบชิปยังเป็นทรัพย์สินทางปัญญาที่ละเอียดอ่อน จึงต้องมีผู้เชี่ยวชาญกำกับและตรวจรับ ข้อสรุปของเรื่องนี้ไม่ใช่ว่า AI ออกแบบชิปแทนคนได้แล้ว แต่คือโมเดลเริ่มช่วยเร่งงานวิศวกรรมที่มีข้อจำกัดซับซ้อน พร้อมสร้างประโยชน์ที่วัดได้ หากผลทดสอบเข้มงวดพอและการตรวจสอบยังเป็นส่วนหนึ่งของกระบวนการ







