Início 23/11Turma 3 ao vivo de Vibe Coding & Agentes de IA: 3 semanas, 9 aulas ao vivoTurma 3 (23/11) →
InfraestruturaAnálise · No radarThe Decoder→ original

IA da OpenAI melhora design de GPU da AMD em até 14% em energia, velocidade e área em 5 meses

A OpenAI afirma que seus modelos ajudaram a AMD a melhorar o principal bloco de GPU da empresa em até 14% na métrica PPA (consumo de energia, velocidade e área do chip) em menos de cinco meses. Pelas contas da OpenAI, isso equivale a cerca de um ano de trabalho sobre um design que os engenheiros da AMD lapidaram por anos. Parte das alterações já entrou no projeto enviado para produção. Para produtos baseados em IA, é uma chance de ter inferência mais barata, embora os números, por enquanto, venham apenas da própria empresa.

Processado por IA de The Decoder; editado por Hamidun News
IA da OpenAI melhora design de GPU da AMD em até 14% em energia, velocidade e área em 5 meses
Fonte: The Decoder. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalThe Decoder ↗
Editor-chefe
Dado-chave #1O mesmo método ajudou no Jalapeño, o primeiro chip de inferência próprio da OpenAI
Dado-chave #2Nos núcleos abertos RISC-V, o melhor resultado ficou com o GPT-6.2 Astra
Dado-chave #3O Mythos, da Anthropic, processou prompts em AMD MI355X em 3 dias em vez de 6–12 meses

Imagine um código que uma equipe otimizou por anos, com profilers, refatoração e ajuste manual. De repente, uma rede neural encontra nele até 14% de ganho adicional. É mais ou menos isso que a OpenAI afirma sobre chips.

Junto com a AMD, os modelos da empresa melhoraram o principal bloco de GPU da fabricante em até 14% na métrica PPA, em menos de cinco meses. PPA reúne os três parâmetros pelos quais os engenheiros de chips sempre brigam: consumo de energia (power), desempenho (performance) e área do chip (area). Quanto melhor o PPA, mais rápido, econômico ou compacto é o chip.

Isso importa para quem paga para rodar modelos de IA, porque é o hardware que define o custo de cada resposta. Os dados vêm apenas da própria OpenAI, e não há verificação independente.

O que a OpenAI e a AMD conseguiram, exatamente

O trabalho envolve um chamado bloco de IP, um trecho pronto do design de um chip que depois é usado em produtos. É o principal bloco de GPU da AMD, ou seja, não se trata de um rascunho em que qualquer abordagem nova encontra folga com facilidade. Os engenheiros da AMD o otimizaram por anos.

Segundo a OpenAI, o resultado de até 14% de melhoria no PPA em menos de cinco meses equivale a cerca de um ano de progresso sobre o trabalho que as pessoas já haviam feito. Há ressalvas importantes: "até 14%" é o máximo, não a média, e "um ano de progresso" é uma estimativa da própria OpenAI, não um valor medido.

Há também um detalhe prático: de acordo com a OpenAI, a AMD já incluiu parte das mudanças no design enviado para produção. Isso diferencia a história de uma demonstração de laboratório, já que as alterações passam por um processo em que um erro custa muito caro.

Jalapeño, RISC-V e Synopsys

O mesmo método ajudou no Jalapeño, o primeiro chip próprio da OpenAI para inferência, isto é, para executar modelos já treinados. Para uma empresa que compra computação em volumes enormes, cada watt e cada milímetro quadrado de silício economizados se traduzem diretamente em dinheiro.

A OpenAI também testou os modelos em núcleos de processador abertos RISC-V. Nesse teste, o novo GPT-6.2 Astra obteve os melhores resultados entre todas as gerações de modelos. Para quem trabalha na área, é um sinal de que a capacidade dos modelos de ajudar no projeto de chips cresce a cada versão.

Além disso, a OpenAI trabalha com a Synopsys no GPT-Synopsys, um modelo que usa as ferramentas de automação de projeto eletrônico (EDA) da Synopsys. O objetivo é tornar o projeto de chips com ajuda de IA acessível a um número maior de equipes.

A Anthropic segue o mesmo caminho

A Anthropic também relata resultados semelhantes. Segundo a empresa, o modelo Mythos processou os prompts de um modelo em GPUs AMD MI355X em apenas três dias, enquanto esse tipo de tarefa costuma levar de seis a doze meses. Hoje o Claude roda em quatro famílias de chips, e é assim que a empresa otimiza custo e desempenho por dólar.

O que isso significa

Para fundadores e gerentes de produto, a conclusão é pragmática. O custo de inferência é o principal item de despesa de muitos produtos de IA, e um ganho de alguns pontos percentuais no nível do chip pode, com o tempo, virar preços menores ou margem maior. Se a adaptação de modelos a um novo hardware cai de meses para dias, como no exemplo da Anthropic, a dependência de um único fabricante de GPU fica menos rígida.

Também é preciso cautela. Não se sabe quanto controle humano foi necessário para verificar as mudanças propostas nem até que ponto os resultados se repetem em outros blocos. Mas a direção é clara: a IA começa a acelerar a criação do hardware em que a próxima geração de IA vai rodar.

História

Perguntas frequentes sobre a notícia

O que a OpenAI e a AMD conseguiram, exatamente?

O trabalho envolve um chamado bloco de IP, um trecho pronto do design de um chip que depois é usado em produtos. É o principal bloco de GPU da AMD, ou seja, não se trata de um rascunho em que qualquer abordagem nova encontra folga com facilidade. Os engenheiros da AMD o otimizaram por anos. Segundo a OpenAI, o resultado de até 14% de melhoria no PPA em menos de cinco meses equivale a cerca de um ano de progresso sobre o trabalho que as pessoas já haviam feito.

O que se sabe sobre Jalapeño, RISC-V e Synopsys?

O mesmo método ajudou no Jalapeño, o primeiro chip próprio da OpenAI para inferência, isto é, para executar modelos já treinados. Para uma empresa que compra computação em volumes enormes, cada watt e cada milímetro quadrado de silício economizados se traduzem diretamente em dinheiro. A OpenAI também testou os modelos em núcleos de processador abertos RISC-V. Nesse teste, o novo GPT-6.2 Astra obteve os melhores resultados entre todas as gerações de modelos.

O que se sabe sobre A Anthropic segue o mesmo caminho?

A Anthropic também relata resultados semelhantes. Segundo a empresa, o modelo Mythos processou os prompts de um modelo em GPUs AMD MI355X em apenas três dias, enquanto esse tipo de tarefa costuma levar de seis a doze meses. Hoje o Claude roda em quatro famílias de chips, e é assim que a empresa otimiza custo e desempenho por dólar.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…