OpenAI mejora el diseño de chips con IA
OpenAI afirma que sus modelos redujeron el área de bloques clave de su chip Jalapeño y lograron mejoras de hasta un 14% en diseños de AMD. También superaron pruebas con procesadores RISC-V y ahora colaboran con Synopsys para integrarse en herramientas profesionales de diseño y verificación.

OpenAI asegura que sus modelos ya están optimizando chips reales, desde su procesador personalizado Jalapeño hasta diseños de AMD. Las mejoras afectan al rendimiento, el consumo y el área ocupada por los circuitos, tres factores que determinan cuánto cuesta y qué tan rápido funciona un chip.
La compañía también publicó evaluaciones con procesadores abiertos RISC-V y anunció una colaboración con Synopsys para conectar sus modelos con las herramientas que usan los ingenieros de chips.
Mejoras en el chip Jalapeño
OpenAI empezó a utilizar GPT-4o a principios de 2025 para ayudar a diseñar Jalapeño, su primer chip personalizado para ejecutar modelos de IA. El sistema encontró cambios en partes clave del procesador, como el motor que gestiona tareas paralelas y la unidad que realiza operaciones con matrices.
En una de las mejoras, un multiplicador ocupó aproximadamente un 15% menos de área y redujo su latencia de dos ciclos de reloj a uno. Otro rediseño, aplicado a un sumador, también redujo el área alrededor de un 15% sin cambiar su latencia de dos ciclos.
Según las estimaciones del equipo, los cambios propuestos por los modelos redujeron el área de las celdas estándar aproximadamente un 13% en el motor de ejecución paralela y un 10% en la unidad matricial. OpenAI afirma que estas optimizaciones se validaron en silicio durante la puesta en marcha de Jalapeño, es decir, en el proceso de comprobar el chip físico una vez fabricado.
Resultados con hardware de AMD
OpenAI también trabajó con AMD para optimizar diseños existentes. En la unidad gráfica principal de AMD, sus modelos lograron mejoras de hasta un 14% frente a líneas base ya optimizadas en PPA, un indicador que combina potencia, rendimiento y área.
El modelo reescribió el código SystemVerilog RTL, que describe cómo funcionan los circuitos antes de fabricarlos. Después utilizó herramientas de Synopsys para comprobar que los cambios mantenían el comportamiento correcto y para medir sus efectos sobre el consumo, la velocidad y el tamaño.
OpenAI compara el resultado con aproximadamente un año de progreso conseguido en menos de cinco meses, aunque se trata de una comparación dentro de este proyecto y bajo sus condiciones de evaluación. AMD ya incorporó algunos cambios a un diseño enviado a fabricación y guardó otros para futuras versiones.
La colaboración también produjo mejoras de un solo dígito porcentual en bloques importantes de la próxima CPU insignia de AMD, según la compañía. El trabajo continúa en procesadores gráficos y centrales.
Qué muestran las pruebas con RISC-V
Para medir cómo avanzan sus modelos, OpenAI los puso a prueba con dos procesadores abiertos de 32 bits basados en RISC-V: PicoRV32, pensado para chips reprogramables, e Ibex, utilizado en el chip de seguridad OpenTitan.
En una prueba, cada modelo recibió el diseño original y tuvo que aumentar el rendimiento. OpenAI comprobó que los procesadores siguieran funcionando correctamente y descartó los diseños que fallaban o que superaban 16 veces el área original. El rendimiento se calculó usando instrucciones ejecutadas por segundo en cargas de trabajo que los modelos no habían visto.
Con un presupuesto comparable de unos 112.000 tokens por ejecución, GPT-6.2 Astra obtuvo la puntuación media más alta en ambos procesadores. GPT-6.1 Sol también superó a GPT-5.6 Sol en los dos casos. La evaluación completa reunió 9.881 ejecuciones puntuadas.
En otra prueba, los modelos no recibieron un diseño existente para mejorar. Solo recibieron requisitos escritos y plantillas de conexión. Los cinco modelos evaluados obtuvieron mejores resultados al crear un núcleo desde esas instrucciones que al optimizar uno ya construido.
Ese resultado tiene una explicación importante: al partir de una especificación, el modelo podía omitir funciones presentes en los diseños originales, como contadores de rendimiento o instrucciones adicionales. Por eso OpenAI reconoce que esta prueba todavía no representa por completo el diseño de un chip de producción. Faltaría exigir esas funciones, limitar más el área y comprobar los tiempos después de la síntesis física.
Qué cambia para ti
El diseño de chips suele requerir meses de trabajo especializado. Si los modelos pueden encontrar circuitos más pequeños, rápidos o eficientes, el efecto puede acabar llegando a los productos que utilizas: centros de datos con menor consumo, servicios de IA más baratos y dispositivos con más capacidad dentro del mismo espacio.
Pero el modelo no fabrica el chip por sí solo. Propone cambios, los escribe y los somete a verificaciones automáticas y revisión de ingeniería. La fabricación sigue siendo un proceso físico, caro y lento, donde un error puede obligar a repetir todo el diseño.
OpenAI planea trabajar con Synopsys en GPT-Synopsys, un modelo entrenado para utilizar herramientas de automatización electrónica como lo hacen los diseñadores expertos. El próximo punto a vigilar será si estas mejoras se mantienen cuando aumenten las restricciones reales: funciones obligatorias, límites estrictos de área, consumo, tiempos de fabricación y validación completa del silicio.

