AI กำลังขยับจากการเขียนโค้ดสู่การออกแบบวงจร
AI ออกแบบชิป คือการใช้โมเดลช่วยสร้างหรือปรับคำอธิบายวงจรดิจิทัล แล้วตรวจสอบแบบด้วยเครื่องมือวิศวกรรมเพื่อรักษาการทำงานและหาจุดสมดุลด้านกำลังไฟ ความเร็ว และพื้นที่ โมเดลจึงไม่ได้แทนที่การตรวจสอบของวิศวกร แต่เพิ่มทางเลือกในการสำรวจแบบวงจรชิปที่ซับซ้อน OpenAI ระบุว่าเริ่มใช้ GPT-4o ช่วยออกแบบชิปอนุมาน Jalapeño ตั้งแต่ต้นปี 2025 โดยโมเดลเสนอการเปลี่ยนแปลงในหน่วยประมวลผลเวกเตอร์และหน่วยเมทริกซ์ ทั้งการเปลี่ยนวิธีทำตรรกะ แบ่งงานระหว่างขั้นของไปป์ไลน์ ใช้ฮาร์ดแวร์ร่วมกัน และลดข้อมูลระหว่างทาง ผลประเมินของทีมระบุว่าการเปลี่ยนแปลงลดพื้นที่เซลล์มาตรฐานในหน่วยเวกเตอร์ราว 13% และหน่วยเมทริกซ์ราว 10% และผ่านการพิสูจน์บนซิลิคอนระหว่างการเริ่มทดสอบชิป ข้อเท็จจริงนี้สำคัญกว่าคำกล่าวเรื่องความสามารถเพียงอย่างเดียว เพราะแสดงว่าข้อเสนอจากโมเดลไปถึงการทดสอบกับชิปจริง

Jalapeño แสดงให้เห็นการปรับแต่งระดับวงจร
ตัวอย่างใน Jalapeño ทำให้เห็นว่า AI ไม่ได้จำกัดอยู่กับการปรับโครงสร้างชิปในภาพใหญ่ โมเดลเสนอการออกแบบตัวคูณในหน่วยเมทริกซ์ที่ใช้พื้นที่เซลล์ในการสังเคราะห์น้อยลงราว 15% พร้อมลดเวลาแฝงจากสองรอบสัญญาณนาฬิกาเหลือหนึ่งรอบ อีกแบบหนึ่งลดพื้นที่ของตัวบวกราว 15% โดยคงเวลาแฝงไว้ที่สองรอบ ตัวเลขเหล่านี้ชี้ว่าโมเดลช่วยค้นหาทางเลือกในรายละเอียดของวงจรได้ ซึ่งเป็นงานที่ต้องชั่งน้ำหนักระหว่างพื้นที่กับความเร็ว อย่างไรก็ดี ตัวเลขระดับบล็อกกับตัวเลขของวงจรย่อยไม่ควรนำมาปะปนกัน การลดพื้นที่ 13% และ 10% เป็นค่าประเมินของหน่วยประมวลผลแต่ละส่วน ส่วนผล 15% เป็นตัวอย่างการออกแบบวงจรเฉพาะรายการ ภาพรวมจึงสนับสนุนว่าโมเดลช่วยเพิ่มทางเลือกให้ทีมออกแบบ แต่ไม่ได้ยืนยันว่าทุกวงจรหรือชิปทั้งชิ้นจะได้ผลลดลงเท่ากัน
กรณี AMD ขยายจากชิปภายในสู่แบบที่ใช้จริง
กรณีชิป AMD เป็นหลักฐานอีกแบบ เพราะ OpenAI รายงานว่าโมเดลช่วยปรับปรุงตัวชี้วัดด้านกำลังไฟ ประสิทธิภาพ และพื้นที่ได้สูงสุด 14% เมื่อเทียบกับแบบพื้นฐานของทรัพย์สินทางปัญญา GPU เรือธงที่ผ่านการปรับแต่งมาอย่างหนักแล้ว การเปลี่ยนแปลงเกิดจากการเขียน RTL ของ SystemVerilog ใหม่ ซึ่งเป็นโค้ดที่ใช้อธิบายวงจร โดยใช้เครื่องมือ Synopsys ตรวจสอบว่าพฤติกรรมยังตรงตามข้อกำหนดและประเมินผลแลกเปลี่ยนด้าน PPA งานที่ OpenAI ประเมินว่าเทียบเท่าความก้าวหน้าราวหนึ่งปีเกิดขึ้นภายในเวลาไม่ถึงห้าเดือน ตัวเลขสูงสุด 14% ไม่ใช่คำรับรองว่า GPU ทุกส่วนเร็วขึ้น 14% หรือว่าประสิทธิภาพทุกด้านเพิ่มเท่ากัน AMD นำการเปลี่ยนแปลงบางรายการไปใส่ในแบบที่ส่งผลิตแล้ว และเก็บรายการอื่นไว้สำหรับรุ่นถัดไป ส่วน CPU เรือธงรุ่นใหม่พบผลดีระดับเลขหลักเดียวเปอร์เซ็นต์ในบล็อกสำคัญ ข้อสรุปที่น่าเชื่อถือจึงเป็นว่า AI ช่วยเร่งการสำรวจและปรับแบบในงานผลิตจริงได้ ไม่ใช่ว่าตัวเลขสูงสุดใช้แทนผลของทั้งชิป

แกน RISC-V ช่วยวัดความก้าวหน้า แต่ยังมีข้อจำกัด
เพื่อเปรียบเทียบพัฒนาการระหว่างโมเดล OpenAI ทดสอบโมเดลห้ารุ่นกับแกน RISC-V แบบเปิด 32 บิตสองแบบ คือ PicoRV32 และ Ibex ซึ่งใช้ในชิปด้านความปลอดภัยของ OpenTitan การทดสอบครอบคลุมทั้งการปรับ RTL ของแกนเดิมและการสร้างแกนจากข้อกำหนด มีการประเมินรวม 9,881 ครั้ง โดย GPT-6.2 Astra ได้คะแนนเฉลี่ยสูงสุดบนทั้งสองแกนภายใต้งบประมาณใกล้เคียงกัน นี่เป็นหลักฐานว่าความสามารถของโมเดลพัฒนาขึ้นในงานที่กำหนดกรอบและวัดผลได้ แต่คะแนนจากการสร้างแบบใหม่ไม่เท่ากับการพิสูจน์ว่าแกนนั้นครบถ้วนหรือพร้อมใช้งานในทุกบริบท OpenAI ระบุว่าการออกแบบจากข้อกำหนดอาจละคุณสมบัติบางอย่างของแกนเดิม เช่น ตัวนับประสิทธิภาพและคำสั่งเพิ่มเติม ซึ่งแทบไม่ช่วยเพิ่มอัตราการประมวลผลในชุดทดสอบ การเปรียบเทียบทั้งสามกรณีจึงให้ภาพต่างกัน: Jalapeño มีผลทดสอบบนซิลิคอน AMD มีการเปลี่ยนแปลงเข้าสู่แบบผลิต ส่วน RISC-V วัดความสามารถผ่านงานทดสอบ ขณะเดียวกัน OpenAI ร่วมมือกับ Synopsys เพื่อฝึก GPT-Synopsys ให้ใช้เครื่องมือ EDA แบบนักออกแบบผู้เชี่ยวชาญ ซึ่งจะช่วยผูกการพัฒนาโมเดลเข้ากับการตรวจสอบที่เชื่อถือได้
บทสรุป: ผู้ช่วยออกแบบที่ต้องผ่านการพิสูจน์
รายงานเหล่านี้ไม่ได้บอกว่า AI จะออกแบบชิปได้โดยลำพัง แต่แสดงบทบาทที่ชัดกว่าและจับต้องได้กว่า คือช่วยเสนอการเขียนวงจรชิปทางเลือก เร่งการค้นหาจุดปรับปรุง และทำงานร่วมกับเครื่องมือยืนยันความถูกต้อง Jalapeño แสดงผลที่ผ่านการทดสอบบนซิลิคอน ขณะที่กรณีชิป AMD แสดงการนำบางรายการไปใช้ในแบบที่ส่งผลิตและเก็บบางรายการไว้พัฒนารุ่นต่อไป ส่วนแกน RISC-V ช่วยวัดความก้าวหน้าของโมเดลภายใต้โจทย์ที่ควบคุมได้ ดังนั้นตัวเลข 14% และการลดพื้นที่วงจรควรถูกอ่านตามขอบเขตที่รายงาน ไม่ใช่ขยายเป็นคำสัญญาว่าชิปทุกแบบจะได้ผลเหมือนกัน คุณค่าของ AI ในการออกแบบชิปอยู่ที่การเพิ่มความเร็วและจำนวนแนวทางที่วิศวกรตรวจสอบได้ ส่วนความถูกต้อง ความครบถ้วน และการตัดสินใจว่าจะนำแบบใดไปผลิต ยังคงต้องอาศัยการทดสอบและการประเมินอย่างเข้มงวด






