OpenAI afirma que su colaboración con AMD produjo una mejora de hasta 14% en la métrica PPA de un diseño de GPU, en menos de cinco meses. La compañía también reporta avances en su chip de inferencia Jalapeño y en pruebas con núcleos RISC-V.
***
- OpenAI atribuye a su trabajo con AMD una mejora de hasta 14% en PPA para la propiedad intelectual de una GPU insignia.
- La compañía dice que algunos cambios ya forman parte de un diseño de AMD enviado a fabricación y que el método también ayudó con Jalapeño.
- OpenAI prueba sus modelos en núcleos RISC-V y colabora con Synopsys; Anthropic también reporta usos de IA en tareas de diseño de chips.
OpenAI sostiene que sus modelos ayudaron a mejorar hasta 14% la métrica PPA de la propiedad intelectual de una GPU insignia de AMD, en menos de cinco meses de trabajo conjunto. La compañía compara ese avance con aproximadamente un año de progreso sobre diseños que los equipos de AMD ya habían optimizado durante años, aunque la información disponible no detalla cómo calculó esa equivalencia ni qué parte exacta del diseño concentra la mejora.
El anuncio también conecta esa colaboración con otros esfuerzos de OpenAI para aplicar inteligencia artificial al desarrollo de hardware: el chip de inferencia personalizado Jalapeño, pruebas con núcleos RISC-V y un trabajo con Synopsys en herramientas de diseño electrónico. La noticia apunta a una ambición más amplia que la de acelerar una tarea concreta, pero las cifras y resultados descritos corresponden a afirmaciones de OpenAI y no ofrecen, por sí solos, una evaluación independiente de cada proyecto.
Qué significa la mejora reportada junto a AMD
PPA reúne tres dimensiones que los diseñadores de chips evalúan en conjunto: potencia, rendimiento y área. Optimizar una de ellas puede afectar a las otras, por lo que el dato de hasta 14% debe leerse como una mejora reportada para esa métrica combinada, no como una reducción de 14% en consumo eléctrico ni como un aumento idéntico en velocidad de procesamiento.
OpenAI sitúa el resultado en el GPU IP insignia de AMD, es decir, en un bloque de propiedad intelectual utilizado como parte del diseño de una GPU, y no necesariamente en una tarjeta gráfica completa o en todo el procesador. Esa distinción importa porque el rendimiento final de un producto también depende de otros componentes, de su integración y de decisiones de diseño que la información publicada no desglosa.
La compañía calcula que el avance equivale a cerca de un año de progreso sobre diseños que los ingenieros de AMD habían trabajado y optimizado durante años. La comparación describe la velocidad del proceso según OpenAI, pero no significa que la IA haya sustituido ese trabajo previo: el punto de partida, según el propio anuncio, fueron diseños en los que AMD ya había invertido esfuerzos de ingeniería.
El resultado más concreto señalado por OpenAI es que AMD incorporó algunos de los cambios en un diseño que ya envió a fabricación. Esto permite distinguir entre una optimización exploratoria y modificaciones que, de acuerdo con la compañía, avanzaron a una etapa posterior del desarrollo, aunque el anuncio no identifica el diseño, el calendario de fabricación ni el alcance de los cambios incluidos.
De la optimización de AMD al chip Jalapeño
OpenAI afirma que el método usado en el trabajo con AMD también ayudó en Jalapeño, descrito como el primer chip de inferencia personalizado de la empresa. La inferencia es la fase en la que un modelo ya entrenado procesa solicitudes y produce resultados, por lo que un chip dedicado a esa tarea forma parte de los esfuerzos de OpenAI por diseñar hardware ajustado a sus necesidades de cómputo.
La información disponible no presenta cifras de rendimiento, consumo o área para Jalapeño, ni compara el chip con procesadores comerciales. Por eso, el vínculo que puede establecerse es más acotado: OpenAI dice que aplicó el mismo método de optimización, pero no entrega datos para concluir cuánto cambió el diseño o qué resultados podría ofrecer cuando se utilice.
Que una técnica se use tanto en propiedad intelectual de GPU como en un chip de inferencia propio sugiere que la empresa busca aplicar sus modelos a distintos problemas de ingeniería de hardware. Sin detalles sobre los pasos del método, los recursos empleados o la intervención de los equipos humanos, sin embargo, no es posible determinar qué tareas automatizó la IA ni cuánto del resultado dependió de la experiencia de los ingenieros.
El anuncio deja así una pregunta práctica para la industria: cuánto pueden acelerar los modelos las etapas de diseño sin perder de vista las restricciones físicas y técnicas que imponen los chips. En este caso, el dato comunicado se refiere a una mejora de PPA en un diseño específico y a cambios que AMD habría incorporado; no constituye una medida general del desempeño de la IA en todos los proyectos de semiconductores.
Pruebas con RISC-V y colaboración con Synopsys
OpenAI también informó que probó sus modelos con núcleos de procesador RISC-V de código abierto y que GPT-6.2 Astra obtuvo los mejores resultados entre las generaciones de modelos evaluadas. El anuncio no incluye métricas, tareas de prueba ni una comparación detallada entre versiones, así que el resultado establece una posición dentro de esas pruebas, pero no permite medir su magnitud ni extrapolarla a cualquier diseño de procesador.
RISC-V es una arquitectura de conjunto de instrucciones abierta que sirve como base para desarrollar núcleos de procesador. En el contexto de la noticia, su relevancia es que OpenAI usó esos núcleos para evaluar modelos en tareas relacionadas con diseño de chips, no que la compañía haya anunciado un producto comercial basado en RISC-V ni que el modelo pueda diseñar por sí solo un procesador completo.
OpenAI y Synopsys anunciaron un acuerdo para desarrollar GPT-Synopsys, un modelo especializado que utilizará las herramientas de diseño electrónico de Synopsys. La iniciativa apunta a integrar modelos en tareas de diseño de chips, aunque la información disponible no precisa quiénes serán sus usuarios ni cuándo estará disponible.
La colaboración con un proveedor de herramientas de automatización de diseño electrónico abre otra vía respecto del trabajo directo con AMD: en lugar de centrarse únicamente en optimizar un bloque de chip, busca integrar modelos en herramientas que apoyan distintas etapas del diseño. Ese alcance potencial debe mantenerse como una intención descrita por las compañías, ya que el anuncio no cuantifica mejoras ni especifica qué funciones concretas cubrirá GPT-Synopsys.
La comparación con Anthropic y los límites de las cifras
La noticia también recoge el uso de IA por parte de Anthropic en trabajos relacionados con chips. Según la compañía, su modelo Mythos portó o escribió cerca de 100% de los núcleos de software necesarios para ejecutar Claude en una GPU AMD MI355X. Anthropic afirmó que el trabajo tomó tres días, frente a los seis a doce meses que, según su estimación, habría requerido habitualmente.
Ese caso ofrece un contraste de velocidad, pero no una comparación directa con el resultado de OpenAI: las tareas, los modelos y las métricas descritas son diferentes. En un caso se reporta una mejora de PPA en propiedad intelectual de GPU; en el otro, el tiempo empleado en adaptar el software para ejecutar Claude en una GPU concreta. Por eso, no se deben tratar ambos datos como medidas equivalentes de productividad o rendimiento.
Anthropic también afirma que ahora ejecuta Claude en cuatro familias de chips para optimizar costos y rendimiento por dólar. Ese dato muestra otra dimensión de la estrategia de hardware, enfocada en distribuir la ejecución entre distintas familias de procesadores, pero no incluye nombres de esas familias ni cifras que permitan comparar costos o resultados entre ellas.
En conjunto, los anuncios muestran que OpenAI y Anthropic están explorando el uso de modelos en distintas partes de la cadena de desarrollo y operación de hardware. La principal cautela es que los resultados comunicados siguen siendo selectivos: hay una cifra de PPA, un plazo de adaptación de software y referencias a pruebas y colaboraciones, pero faltan detalles para evaluar de forma independiente su alcance, replicabilidad y efecto sobre productos finales.
Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
California
Gobernador Gavin Newsom propone regulación amplia para la IA y busca que California marque el rumbo nacional
Empresas
Sequel capta USD $15 millones para sumar agentes IA a sus webinars
Bancos y Pagos
Citi responsabiliza a sus clientes por los riesgos de agentes IA en sus cuentas
Asia
