จากผู้ช่วยเขียนโค้ดสู่ผู้ออกแบบวงจร
AI ออกแบบชิป คือการใช้โมเดลปัญญาประดิษฐ์ช่วยเสนอหรือปรับคำอธิบายวงจรอิเล็กทรอนิกส์ โดยต้องตรวจสอบว่าชิปยังทำงานตามข้อกำหนดและผ่านการประเมินด้านกำลังไฟ ประสิทธิภาพ และพื้นที่ก่อนนำแบบไปใช้จริง OpenAI เปิดเผยเมื่อวันที่ 16 พฤศจิกายน 2026 ว่าได้นำโมเดลมาช่วยปรับปรุงทรัพย์สินทางปัญญาของจีพียูเรือธงจาก AMD และรายงานผลด้านกำลังไฟ ประสิทธิภาพ และพื้นที่ หรือ PPA ดีขึ้นสูงสุด 14% เมื่อเทียบกับแบบพื้นฐานที่ผ่านการปรับแต่งอย่างหนักแล้ว จุดสำคัญไม่ใช่ตัวเลขสูงสุดเพียงอย่างเดียว แต่คือขอบเขตงานที่ AI เริ่มเข้าไปแตะ ตั้งแต่การเขียนวงจรบางส่วนใหม่ไปจนถึงการชั่งน้ำหนักข้อแลกเปลี่ยนทางวิศวกรรม อย่างไรก็ตาม ตัวเลขดังกล่าวเป็นผลที่บริษัทรายงาน ไม่ใช่หลักฐานว่า AI จะทำให้ชิปทุกแบบดีขึ้นในระดับเดียวกัน

ตัวเลขที่น่าสนใจ และสิ่งที่มันบอก
การออกแบบวงจรชิปต้องรักษาสมดุลระหว่างความเร็ว การใช้พลังงาน และขนาด ขณะที่การแก้จุดหนึ่งอาจกระทบอีกจุดหนึ่ง OpenAI ระบุว่างานพัฒนาจีพียูบางส่วนที่อาจกินเวลาราวหนึ่งปี ทำได้ภายในไม่ถึงห้าเดือน นี่เป็นสัญญาณที่มีน้ำหนัก เพราะ AI ไม่ได้เพียงสร้างคำตอบ แต่ช่วยสำรวจทางเลือกของวงจรและเร่งการทำซ้ำภายใต้การตรวจสอบด้วยเครื่องมือ Synopsys ประสบการณ์จากชิป Jalapeño ของ OpenAI ช่วยให้เห็นภาพระดับวงจรที่เฉพาะเจาะจงขึ้น บริษัทประเมินว่าการเปลี่ยนแปลงที่โมเดลเสนอช่วยลดพื้นที่เซลล์มาตรฐานในหน่วยประมวลผลเวิร์ปได้ราว 13% และในหน่วยเมทริกซ์ได้ 10% ส่วนการออกแบบตัวคูณใหม่ลดพื้นที่เซลล์ราว 15% และลดเวลาแฝงจากสองรอบสัญญาณนาฬิกาเหลือหนึ่งรอบ ผลบนชิปจริงทำให้กรณีนี้น่าเชื่อถือกว่าคะแนนจากการจำลองเพียงอย่างเดียว แต่ยังเป็นตัวอย่างเฉพาะ ไม่ใช่คำรับรองว่าการปรับปรุงลักษณะเดียวกันจะเกิดกับชิป AMD ทุกส่วน
ความร่วมมือที่พาโมเดลเข้าใกล้เครื่องมือจริง
ความร่วมมือกับ Synopsys เป็นส่วนสำคัญ เพราะการออกแบบเซมิคอนดักเตอร์ไม่ได้จบที่การเสนอวงจรซึ่งดูดีบนกระดาษ OpenAI กำลังฝึกโมเดล GPT-Synopsys ให้ใช้เครื่องมือออกแบบอัตโนมัติทางอิเล็กทรอนิกส์ หรือ EDA ในแนวทางที่นักออกแบบชิปผู้เชี่ยวชาญใช้ เป้าหมายคือให้เอเจนต์รับโจทย์ เช่น การปรับ PPA หรือการตรวจสอบจังหวะเวลา เรียกใช้เครื่องมือ อ่านผล แล้วปรับแบบซ้ำจนได้ผลที่วิศวกรตรวจทานได้ แนวทางนี้น่าสนใจกว่าการให้โมเดลเขียนโค้ดแล้วเชื่อผลทันที เพราะเครื่องมือยืนยันการทำงานและการตรวจสอบจากคนยังเป็นส่วนหนึ่งของกระบวนการ อย่างไรก็ดี การเชื่อมโมเดลเข้ากับเครื่องมือจริงไม่ได้ลบความเสี่ยงด้านความถูกต้องหรือข้อกำหนดของแบบผลิต และยังต้องมีการคุ้มครองข้อมูลการออกแบบที่เป็นกรรมสิทธิ์ด้วย การพัฒนา GPT-Synopsys จึงควรถูกมองเป็นการสร้างผู้ช่วยในกระบวนการวิศวกรรม ไม่ใช่การแทนที่ทีมออกแบบ
ผลทดสอบยังไม่เท่ากับการพิสูจน์ในวงกว้าง
การทดสอบโมเดล OpenAI ห้ารุ่นบนแกนประมวลผลเปิด PicoRV32 และ Ibex ครอบคลุมการปรับแบบเดิมและการสร้างแบบจากข้อกำหนด รวมการทดลอง 9,881 ครั้ง โดย GPT-6.2 Astra ได้คะแนนเฉลี่ยสูงสุดทั้งสองรูปแบบในการปรับแต่ง RTL แต่ OpenAI เองชี้ข้อจำกัดสำคัญว่า ในงานสร้างชิปจากข้อกำหนด โมเดลอาจละคุณสมบัติบางอย่างของแกนต้นแบบที่ไม่ช่วยคะแนนการทดสอบ ทำให้ผลดูดีกว่าการออกแบบที่ต้องรักษาคุณสมบัติครบและพร้อมผลิตจริง ดังนั้น ความเร็วและตัวเลข PPA ที่รายงานควรอ่านเป็นหลักฐานว่า AI ช่วยเร่งการสำรวจแบบได้ ไม่ใช่ข้อยืนยันว่าทุกการเปลี่ยนแปลงพร้อมใช้งานในวงกว้าง ริชาร์ด โฮ หัวหน้าฝ่ายชิปของ OpenAI ระบุว่ายังไม่ไว้วางใจการเปลี่ยนแปลงที่ AI สร้างขึ้นเต็มที่ และต้องตรวจสอบทุกครั้ง ข้อสรุปที่เหมาะสมจึงไม่ใช่วิศวกรกำลังหมดบทบาท แต่เป็นการเปลี่ยนงานบางส่วนให้ AI ช่วยค้นหาทางเลือก โดยมนุษย์ยังรับผิดชอบการยืนยันแบบและความพร้อมก่อนผลิต






