تراشه Jalapeño ASIC شرکت OpenAI یک تغییر اساسی برای صنعت است، نه به دلیل کارایی یا عملکردش، بلکه به دلیل نحوه طراحی آن. این شرکت از ابتدا روشن ساخت که هوش مصنوعی نقش بزرگی در فرآیند طراحی Jalapeño ایفا کرده است، نه تنها برای خود سخت‌افزار، بلکه در طراحی مشترک با پشته نرم‌افزاری OpenAI، که به ASIC اجازه داد تا از سطح انتقال رجیستر اولیه (RTL) تا مرحله نهایی تولید (tapeout) تنها در عرض نه ماه پیش برود. از مفهوم تا رونمایی، جدول زمانی کمتر از دو سال بود. ریچارد هو، رئیس بخش سخت‌افزار در OpenAI، می‌گوید این جدول زمانی “یک مبنای جدید ایجاد کرده است” و صنعت در حال حاضر به دنبال OpenAI است تا نحوه انجام این کار را بیامزد.

هو در مصاحبه‌ای گفت: “روشی که من دوست دارم به آن فکر کنم این است که ما یک مبنای جدید ایجاد کرده‌ایم. در مبنای قدیمی، تقریباً ۱۸ ماه تا دو سال صحبت می‌کنید. اغلب این حتی با برخی IPهای موجود یا طراحی معماری قدیمی‌تر است. ما اینجا از صفر شروع کردیم. ما هیچ چیز نداشتیم. حتی یک خط کد برای ارجاع وجود نداشت. آنچه ما ایجاد کرده‌ایم این است که یک مبنای جدید وجود دارد که می‌توانید با یک تیم بسیار با استعداد و با کمک هوش مصنوعی انجام دهید. حالا، آیا کوتاه‌تر می‌شود؟ بستگی به کاری دارد که می‌خواهید انجام دهید.”

استفاده از هوش مصنوعی در طراحی تراشه چیز جدیدی نیست و کاملاً پیش از دوران مدل‌های زبان بزرگ (LLM) وجود داشته است. بزرگترین شرکت‌های اتوماسیون طراحی الکترونیکی (EDA)، Cadence و Synopsys، مجموعه‌ای از ابزارهای طراحی تراشه با کمک هوش مصنوعی را دارند که چندین سال است وجود دارند. با این حال، مدل‌هایی که OpenAI استفاده کرد، مدل‌های داخلی خودش بودند و هم از ابزارهای EDA موجود و هم از گردش کار مهندسی جدید با کمک هوش مصنوعی خود بهره برد.

تیم مهندسی از پلتفرم کدنویسی عامل‌محور OpenAI، یعنی Codex، برای طراحی Jalapeño استفاده کرد. هو گفت: “اما ما فکر می‌کنیم که هر تیم مهندسی در طراحی تراشه باید بتواند از این به عنوان یک مبنای جدید استفاده کند، زیرا این یک نقطه اثبات است که مدل‌های مورد استفاده — مدل‌های هوش مصنوعی برای ما عمدتاً Codex، Sol، مدل قبل از Sol، و اکنون به Astra می‌رویم. اینها فوق‌العاده توانمند هستند. حتی از زمانی که ما آن کار را در نوامبر ۲۰۲۵ شروع کردیم تا زمانی که تراشه را نهایی کردیم، مدل‌ها به شدت بهبود یافتند. حتی از آن لحظه تا زمانی که بهینه‌سازی هسته را در ماه مه، زمانی که تراشه‌ها برای اولین بار آنلاین شدند، شروع کردیم، خودمان از اینکه Codex چقدر بهتر شده بود و چه کارهایی می‌توانست انجام دهد، شوکه شدیم.”

اگرچه هوش مصنوعی در کل فرآیند توسعه استفاده شد، نه تنها برای خود طراحی بلکه در نوشتن و بهینه‌سازی هسته‌ها، هو پیوسته بر اهمیت مهندسان با استعداد که این سیستم‌ها را هدایت می‌کنند، تأکید کرد. داستان توسعه Jalapeño یکی از معدود نمونه‌های واضحی است که هوش مصنوعی به تیم کارگران انسانی کمک می‌کند، نه اینکه جایگزین آنها شود.

هو چرخه توسعه را به عنوان “مدلی خوب” از نحوه عملکرد تیم‌های مهندسی در عصر هوش مصنوعی توصیف کرد. “اینگونه باید از هوش مصنوعی استفاده شود. ما مهندسان خود را جایگزین نکردیم؛ آنها فقط فوق‌العاده بهره‌ور شدند. با یک تیم کوچک‌تر از مهندسان واقعاً خوب با مقدار زیادی از این ابزارهای هوش مصنوعی، می‌توانید کارها را سریع‌تر و بهتر از آنچه در غیر این صورت می‌توانستید انجام دهید. من فکر می‌کنم این یک مدل خوب از نحوه رویکرد مهندسی در عصر هوش مصنوعی است.”

اگرچه OpenAI موفق شد سیلیکون کارآمد را بسیار سریع‌تر از یک چرخه توسعه سنتی به دست آورد، اما بدون مشکل نبود. برای شروع، گزارش شده است که مرحله B0 تراشه Jalapeño شرکت OpenAI تا ۲۵٪ بهبود در عملکرد به ازای هر وات نسبت به مرحله A0 اصلی ارائه می‌دهد. این بیشتر به یک بهبود نسلی نزدیک است تا بهینه‌سازی مرحله‌ای، که نشان می‌دهد، حداقل برای یک تیم سخت‌افزاری کاملاً جدید، ممکن است در طراحی اولیه نادیده‌گرفتن‌هایی وجود داشته باشد. نسبت دادن آن به هوش مصنوعی یا انسان‌ها حدس هر کسی است.

سایر آزمایشگاه‌های پیشرو نیز به دنبال سهمی از این موفقیت هستند. کلایو چان، مهندس کلیدی در Jalapeño و دومین استخدام سخت‌افزاری در OpenAI، در ماه ژوئن شرکت را ترک کرد تا به تیم سخت‌افزار Anthropic بپیوندد. هو می‌گوید که “علاقه زیادی در صنعت” به فرآیند طراحی تراشه با کمک هوش مصنوعی OpenAI وجود داشته است و می‌گوید که “به زودی اطلاعات بیشتری در این باره خواهیم دید.”

“من قصد ندارم چیزی را پیش‌بینی کنم. می‌توانم به شما بگویم که علاقه زیادی در صنعت وجود دارد، و همچنین به شما می‌گویم که ما احساس می‌کنیم مزایای زیادی در صنعت به طور کلی وجود دارد که می‌خواهیم آن را فعال کنیم،” هو گفت. “من فکر می‌کنم این چیزی است که به زودی اطلاعات بیشتری در مورد آن خواهیم دید، صادقانه بگویم.”

هو به ده‌ها استارتاپ طراحی تراشه مبتنی بر هوش مصنوعی در سیلیکون ولی اشاره کرد و پیشنهاد داد که OpenAI ممکن است در نهایت ابزارهای خود را برای کمک به سایر شرکت‌ها در توسعه تراشه‌های هوش مصنوعی معرفی کند. “ما دیدگاه خود را در این باره داریم، و فکر می‌کنم در مقطعی می‌خواهیم به دنیا بگوییم، “این دیدگاه ماست.” اساس این کار Codex و GPT-6 Astra است که در حال عرضه هستند. اینها اساسی هستند، و ما اساساً می‌توانیم به آنها اشاره کنیم؛ اینها نرم‌افزار نمایشی یا وعده‌های توخالی نخواهند بود. ما می‌توانیم به آنها اشاره کنیم و بگوییم، “این کاری است که ما انجام دادیم، اینگونه انجامش دادیم، و این چیزی است که به دست آوردیم.” این بسیار ملموس خواهد بود.”

اینکه دقیقاً “آن” که هو به آن اشاره می‌کند چیست، یک راز باقی می‌ماند، اگرچه با توجه به زمینه، به نظر می‌رسد OpenAI ممکن است راهی برای تجاری‌سازی گردش کار طراحی تراشه هوش مصنوعی خود را بررسی کند. هو می‌گوید Astra گام بزرگی در این راستا است، و ما قبلاً این مدل را در عمل دیده‌ایم که کارهای چشمگیری انجام می‌دهد، مانند تکمیل خودکار بازی Portal.

اگرچه OpenAI به شدت از مدل‌های خود برای طراحی و اعتبارسنجی Jalapeño استفاده کرد، اما کاملاً از قالب گردش کارهای سنتی EDA خارج نشد، به ویژه در پایان فرآیند طراحی. قبل از tapeout، ابزارهایی از شرکت‌هایی مانند Synopsys و Cadence مجموعه‌ای از آزمایش‌ها را برای تأیید نهایی انجام می‌دهند، از جمله تحلیل زمان‌بندی ایستا و تحلیل یکپارچگی سیگنال. هو می‌گوید که OpenAI از این جریان معمول EDA برای Jalapeño استفاده کرد.

“اما برای تأیید نهایی، باید از جریان‌های استاندارد EDA استفاده کنید، و ما این کار را کردیم، زیرا می‌خواهید مطمئن شوید که نتایج خوب و صحیح هستند. امروز جایگزین واقعی وجود ندارد. بخشی از آن این ترکیب از جریان‌های استاندارد بهینه‌سازی شده با هوش مصنوعی است که توسط مهندسان واقعاً خوب بهینه‌سازی شده‌اند،” هو گفت.

OpenAI یک نقشه راه چند نسلی برای شتاب‌دهنده‌ها به اشتراک گذاشت. این شرکت می‌گوید ASIC نسل دوم آن در حال نزدیک شدن به tape-out است و نسل سوم آن نیز در حال توسعه است. اگرچه هو گفت که چرخه توسعه Jalapeño یک مبنای جدید برای جدول زمانی طراحی تراشه ایجاد می‌کند، اما در مورد نامگذاری آن چرخه و ریتم محتاط بود.

“پروژه‌ها و tape-outهای ما به سطح بلوغ فناوری‌ها بستگی خواهد داشت. ما می‌توانیم اجرای بسیار سریعی داشته باشیم. آیا این نوع اجراها را پشت سر هم انجام خواهیم داد؟ من شک دارم، زیرا فناوری برای آن آماده نخواهد بود، و من نمی‌خواهم چیزی را نهایی کنم که ۲٪ بهتر از چیزی است که قبلاً نهایی کرده‌ام، زیرا ارزش تغییر یک ناوگان را ندارد،” هو به ما گفت.

این مدیر اجرایی همچنین روشن ساخت که جدول زمانی Jalapeño لزوماً همان جدول زمانی نیست که همه تراشه‌ها از آن پیروی خواهند کرد. در طراحی معماری اولیه برخی “مبادلات عمل‌گرایانه” وجود داشت، به طوری که تیم از نقاط طراحی پیچیده و نوظهور مانند انباشتگی سه‌بعدی و اپتیک‌های بسته‌بندی مشترک اجتناب کرد. “آیا زمان بیشتری می‌برد؟ آیا نه ماه طول می‌کشد؟ من نمی‌گویم نه ماه طول می‌کشد… اما فکر می‌کنم سریع‌تر از زمانی خواهد بود که مدل‌های هوش مصنوعی را نداشتید.”