跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

AI加速器数据中心:OpenAI与Synopsys联手打造芯片设计模型,参议院否决能源法案

据The Decoder 9月30日报道,OpenAI与Synopsys签署多年合作协议,共同打造用于芯片设计的专用AI模型GPT-Synopsys。消息传出前一天,参议院民主党人刚刚否决了《电费纳税人保护法案》,该法案原本要求数据中心为电网升级买单。

科技分析王雅琴发布: 2026年10月1日4 分钟阅读资料来源 6
AI加速器数据中心:OpenAI与Synopsys联手打造芯片设计模型,参议院否决能源法案

本周,两则关于AI数据中心的新闻相隔不到24小时先后出现,指向却完全相反。一边是设计加速器所用的工具正在围绕AI模型重建;另一边是原本应当管理这些加速器所耗电力的政治系统,刚刚没能让一项法案过关。

先看设计这一边。据The Decoder报道,OpenAI与Synopsys签署了一项多年战略合作,要打造一个名为GPT-Synopsys的芯片设计专用AI模型。Synopsys生产电子设计自动化工具,也就是工程师设计芯片和半导体所用的软件。该模型把OpenAI的AI技术与Synopsys的EDA工具结合起来,OpenAI为这个项目获得这些工具的授权。双方定下的目标是:模型能够对芯片设计与验证进行推理,并直接操作Synopsys的工具。工程师负责下达设计目标,并审核、批准模型的产出。模型运行在OpenAI的基础设施上。两家公司表示,客户数据不会用于训练,且以加密方式存储。面向半导体客户的早期测试已经开始,两家公司将联合推广这款产品并分成收入。

Synopsys首席执行官Sassine Ghazi表示,AI可以大幅加快设计流程。OpenAI联合创始人Greg Brockman则把这次合作视为通往更好的芯片与更好的AI的路径。The Decoder还提到,OpenAI已经在与Broadcom合作开发专门用于运行AI模型的芯片,并且最近亮相的Jalapeno芯片与同类专用芯片相比极具竞争力。

设计自动化为何突然成了瓶颈

时机并非偶然。Semiconductor Engineering在10月1日发布的一篇赞助商博客认为,芯片设计已经成为建造更大规模AI系统这场竞赛中的限制因素。文章估算,一颗典型复杂度的ASIC需要超过1000个工程月。文章追溯了EDA与硬件描述语言(如1986年问世的Verilog)如何把瓶颈从布局布线转移到验证环节。同一媒体当天还发布了第二篇赞助商博客,讲的是基于UCIe的PCIe,描述了PCIe 8.0流量如何借助UCIe 3.0跨越芯粒边界。作者提醒,电源管理与复位流程是最常见的复杂集成缺陷来源之一,因为PCIe层面的超时,可能源自UCIe电源状态退出的延迟。这两篇文章分别由Siemens和Imagination赞助,因此其中的说法应视为接近营销材料。但它们描述的工程问题确实存在。

同一天上午,Semiconductor Engineering还发布了Imagination的第三篇赞助商博客,谈LLM性能指标。文章把衡量预填充阶段的首字延迟(Time to First Token)与衡量解码阶段的词间延迟(Inter-Token Latency)区分开来。对任何要为加速器集群做容量规划的人来说,这个区分很重要:预填充受算力限制,解码往往受内存带宽限制。

政治这一侧陷入停滞

再看能源这一边。据《卫报》报道,周三参议院民主党人以57票对43票否决了《电费纳税人保护法案》,距离推进所需的60票只差几票。四名民主党人加入共和党人投了赞成票:新罕布什尔州的Maggie Hassan、明尼苏达州的Amy Klobuchar,以及佐治亚州的两名参议员Jon Ossoff和Raphael Warnock。

“美国人民在呼吁真正的解决方案、真正的护栏、在AI上真正的解决方案。共和党人这项没有牙齿的数据中心法案完全没打中要害。”参议院民主党领袖Chuck Schumer在投票前的院会发言中说。

该法案原本要求电力公司考虑采纳新标准,让数据中心承担输电、发电和配电必要升级的成本,否则这些成本可能转嫁给家庭和企业。众议院本月早些时候以近乎全票通过了该法案。在参议院力推该法案的俄亥俄州共和党人Jon Husted表示,大型科技公司应当自掏腰包,而不是把成本转嫁给当地社区。《卫报》报道称,这是参议院在11月3日中期选举前预计进行的最后几次投票之一。参议院定于周五结束工作。

中国收紧阵营

本周的第三条线索是供应。9月30日,据Deepseek官方微信公众号的一则帖子和路透社消息,The Decoder报道称Deepseek正在为华为的Ascend芯片发布开源编程工具。核心是TileLang,一种由北京大学研究人员开发的语言,Deepseek认为它提供的编程模型比Nvidia的CUDA更简单。两家公司还优化了一个超级节点,即由128颗Ascend 950芯片组成的集群。背景是Nvidia的软件护城河。The Decoder援引估算称,全球有数百万开发者使用CUDA进行开发。文章还援引SemiAnalysis,后者测试了OpenAI的Jalapeno推理芯片,称CUDA护城河可能已经死了,但同时提醒,它只测试了约8000个输入token和1000个输出token这类相对简单的场景,尚未运行针对多步智能体任务的AgentX基准测试。SemiAnalysis补充说,以AMD当前的软件栈,即使AMD白送硬件,Nvidia每token的成本仍然更低。华为的芯片不在那次比较之列。

合起来看:设计工具在重建,芯片在重建,而电费账单仍未解决。

评论 0

资料来源

6
  1. 01OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
  2. 02Senate Democrats block datacenter energy bill, saying 'toothless' legislation 'misses the mark'EN
  3. 03China's AI industry closes ranks as Deepseek ships open-source software for Huawei's Ascend chipsEN
  4. 04Why LLMs Are The Best Thing To Happen To Chip DesignEN
  5. 05Crossing Chiplet Boundaries With PCIe Over UCIeEN
  6. 06LLM Performance And Acceleration: Part 1EN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。