AI ontwerpt chips: betere blokken voor AMD en een complete nieuwe processor
Op één dag meldde OpenAI dat zijn modellen onderdelen van de topchips van AMD tot 14 procent verbeterden, en liet de start-up Architect Labs een processor zien die AI-agents van begin tot eind ontwierpen. Het werkt omdat software elke stap nakijkt.
Wat er gebeurde
Op 18 november kwam er twee keer nieuws over AI die chips ontwerpt. OpenAI meldde dat zijn modellen onderdelen van de topchips van AMD tot 14 procent beter maakten, en de start-up Architect Labs liet een processor zien die AI-agents van begin tot eind hebben ontworpen.
OpenAI liet zijn modellen RTL herschrijven: de code in SystemVerilog die beschrijft wat elk onderdeel van een chip doet. Het ging om al zwaar geoptimaliseerde blokken uit de GPU-ontwerpen van AMD. Software van Synopsys controleerde bij elke nieuwe versie of het blok nog precies hetzelfde deed, en pas daarna telde de winst in stroomverbruik, snelheid en oppervlak. De beste blokken werden tot 14 procent beter. AMD nam een deel van de wijzigingen op in een ontwerp dat al naar de fabriek is, en stelde voor zijn volgende topprocessor zelf verbeteringen van enkele procenten vast.
Ook bij Jalapeño, de eerste eigen chip van OpenAI, deden de modellen voorstellen. Volgens OpenAI ondersteunen de eerste tests met de echte chips de schatting dat de logica in twee rekeneenheden daardoor ongeveer 13 en 10 procent kleiner werd.
Architect Labs, dat in juni 24 miljoen dollar ophaalde, ging verder. Zwermen AI-agents ontwierpen Frostbite, een processor met een nieuwe instructieset: de basisopdrachten die een processor begrijpt. Ze werkten tegelijk aan die instructieset, de compiler en de schakelingen, tot en met de definitieve layout op 7 nanometer. Van de 58 ideeën die ze uitprobeerden, hielden ze er 37. Het bedrijf meldt gemiddeld 4,59 keer zoveel rekenwerk per watt als een bestaande processorkern, en 3,83 keer op programma’s die tijdens het ontwerpen buiten beeld bleven.
Beide claims komen van de makers zelf. OpenAI noemt geen cijfer voor een hele chip en heeft een financieel belang bij AMD: het mag tot 160 miljoen aandelen kopen. Architect Labs noemt om juridische redenen niet de kern waarmee het zich vergelijkt, en Frostbite is nog niet gemaakt: de cijfers zijn berekend.
Ongeveer een jaar vooruitgang in minder dan vijf maanden.
OpenAI over het werk aan de GPU-ontwerpen van AMD, 18 november 2026, samengevat
De achtergrond
Van code naar chip
Een chip begint als code. In RTL beschrijven ontwerpers per klokslag wat elk blok doet: welke getallen het optelt, bewaart of doorgeeft. Software zet die code om in logische poorten, vaak honderden miljoenen, en daarna in een layout. Bij de tape-out gaat die naar de fabriek, en een fout die pas in de echte chip opduikt, kost daar een nieuwe ronde. Volgens de verificatiestudie van Wilson Research Group uit 2022 besteden chipontwerpers 49 procent van hun tijd aan verificatie, en zijn er bij processors soms vijf verificatie-engineers per ontwerper.
Hoe je zeker weet dat een blok hetzelfde doet
Een herschreven blok moet precies hetzelfde doen als het oude, alleen zuiniger, sneller of kleiner. De gewone manier om dat na te gaan is testen: dezelfde tests voor en na de wijziging draaien en de uitkomsten vergelijken. Dat dekt alleen wat de tests raken. Formele equivalentiecontrole gaat verder: software bewijst dat beide versies zich in elke situatie hetzelfde gedragen. Engineers van Intel beschreven in 2014 hoe ze zo ontwerpen sneller en veiliger konden aanpassen.
Welke controles AMD en OpenAI precies gebruikten, staat niet in de verslagen die we lazen. Architect Labs legde Frostbite vast in één specificatie, vertaald naar meer dan 800.000 regels Lean, een taal waarin een computer bewijzen nakijkt, en controleerde het werk van de agents daartegen.
AI in chipontwerp is niet nieuw
Chipontwerpers gebruiken al jaren AI, maar voor andere klussen. AlphaChip van Google DeepMind bepaalt waar de onderdelen op een chip komen, in uren in plaats van weken of maanden mensenwerk, en is gebruikt voor de laatste drie generaties van Googles eigen AI-chips. Nieuw is dat taalmodellen nu de code van de chip zelf schrijven.
Ook in Nederland leeft de vraag. Bij de opening van het ChipNL Competence Center in Nijmegen, vorig najaar, ging een panel met onder anderen NXP, Axelera AI en de TU Eindhoven niet over de vraag óf AI het chipontwerp verandert, maar hoe diep, meldde Bits&Chips.
Onze analyse
AI kon in chipontwerp doorbreken omdat dat vak alles al nakijkt
Dat AI juist hier zo ver komt, is geen toeval. In chipontwerp is controleren al bijna de helft van het werk, omdat een fout na de tape-out zo duur is. Een model kan er veel varianten van een blok voorstellen, en de software zegt welke hetzelfde doen en welke beter zijn. Richard Ho, hardwarebaas van OpenAI, zei dit najaar dat hij de wijzigingen van de modellen nog niet helemaal vertrouwt: bij honderden miljoenen poorten is 99,99 procent goed niet genoeg. Daarom gaat elke wijziging door de volledige controle, en juist daardoor is het werk van het model te gebruiken.
De cijfers verdienen nuance: 14 procent is het beste resultaat op losse blokken, niet de winst van een hele chip, en Frostbite is vergeleken met een kern die het bedrijf niet mag noemen. Dat zijn open vragen, geen reden om het weg te wuiven. Het sterkste bewijs staat er los van: AMD nam wijzigingen op in een chip op weg naar de fabriek, en een chipmaker doet dat niet lichtvaardig.
De les reikt verder dan chips. Ook software schrijft AI snel, en ook daar wordt het pas bruikbaar als een controle die nooit moe wordt nakijkt of het klopt: tests die vastleggen wat de software moet doen. Onze inschatting: organisaties met goede tests halen het meeste uit AI, omdat ze elk voorstel meteen kunnen beoordelen.
Wat opvalt
- Verbeteringen die niemand kon uitleggen Bij Jalapeño begrepen de engineers niet altijd waarom een wijziging van de modellen hielp. Omdat alles werd gecontroleerd, konden ze toch verder.
- Gedrag dat geen mens bedacht In Frostbite pakt een rekenblok zonder werk een taak over van een drukke buur, of gaat het slapen om stroom te sparen. Geen mens heeft dat voorgeschreven, zegt Architect Labs.
- Het ontwerpdocument ging de prullenbak in Het eerste plan van 141 pagina’s werd gewist, omdat veel getallen erin fysiek onhaalbaar waren. Daarna was de controleerbare specificatie de enige beschrijving van de chip.
Wat het voor jou betekent
AI levert het meest op bij werk waarvan je de uitkomst automatisch kunt nakijken.
- Leg eerst vast wat goed is Tests en regels die beschrijven wat software moet doen, zijn de basis. Dan mag AI voorstellen, en beslist de controle.
- Meet de winst op je eigen werk Het beste resultaat van een ander is een richting, geen belofte. Kijk wat AI oplevert op jullie eigen software en processen.
- Je collega’s houden het laatste woord Ook bij OpenAI blijven de engineers de eindbeslissers, zegt Richard Ho. AI laat ze in dezelfde tijd meer uitproberen.
Wat wij ermee kunnen · Ontwikkeling
We ontwikkelen met AI, en tests beslissen
Flaire ontwikkelt maatwerksoftware, zoals ERP, apps en koppelingen, binnen een paar weken en tegen een vaste prijs vooraf, sneller dankzij AI. Wat AI voorstelt, gaat pas door als de tests slagen die vastleggen wat de software moet doen. Jullie krijgen software die getest, beveiligd en gedocumenteerd is, en de broncode is van jullie.
Hoe weet jij of software die AI schreef echt doet wat hij moet doen?
Vertel ons welke software jullie willen laten ontwikkelen of verbeteren. We denken met je mee en reageren altijd binnen één werkdag.