OpenAI 与 Synopsys 于 9 月 30 日签署多年期协议，宣布共同开发名为“GPT-Synopsys”的专用模型。该模型旨在结合 OpenAI 的前沿人工智能能力与 Synopsys 行业领先的电子设计自动化（EDA）工具及智能 AI 技术，以优化半导体设计流程。
根据合作细节，OpenAI 将授权 Synopsys 的工具用于模型开发，该模型将在 OpenAI 托管的基础设施上运行。双方计划共同发布该产品并分享收入。在这一模式下，工程师可以委托代理自动运行工具并执行必要流程，直至工作成果准备好供人工审查。Synopsys 表示，这将使设计团队能够评估更多选项，从而提供更复杂的芯片解决方案。目前，具体的发布日期和定价结构尚未披露。
芯片设计中的人工智能演进
在制造前阶段，工程师依赖 EDA 工具进行芯片设计与验证。这一多步骤过程始于将硬件描述转化为寄存器传输级（RTL）代码，并通过合成软件转换为逻辑门；随后，物理设计工具负责排列电路元件并路由连接；最后，设计人员需完成时序收敛、功能验证，并确保设计符合流片前的制造要求。
每个阶段都需要反复运行各类工具并进行故障排除，以平衡功耗、性能和面积（PPA）等关键权衡指标。在当前的 AI 热潮之前，Synopsys、Cadence 和西门子 EDA 已主导了这一工具市场。鉴于该技术的复杂性，人工智能介入芯片设计过程被视为自然趋势。
Synopsys 早在 2020 年 3 月便推出了 DSO.ai（设计空间优化 AI），这是一款基于强化学习的工具，通过探索过往设计经验来提升 PPA。2023 年 11 月，该公司与 Microsoft 合作推出 Synopsys.ai Copilot，这是其首次集成生成式 AI，通过 Azure OpenAI 服务为工程工具提供自然语言辅助功能。
目前，Synopsys 正转向 Agentic AI（代理型人工智能）。在 7 月的设计自动化会议上，公司展示了基于 Nvidia Agent Toolkit 和 Nemotron 3 Ultra 模型的自主验证工作流。9 月 28 日，即 OpenAI 交易公布前两天，Synopsys 发布了 Autopilot 平台和 AgentEngineer。这是一组涵盖验证、实施、模拟、制造、网格化、燃烧分析和 EMC 分析的七个长视野代理组合。公司报告称已识别超过 50 个任务，计划在 2026 年底前完成。
向代理型 AI 的转变并非 Synopsys 独有，竞争对手 Cadence 和西门子也在推出自主设计代理。与此同时，OpenAI 此前已与 Broadcom 合作，于 6 月推出了 Jalapeño——该公司首款定制推理加速器，其设计和优化过程主要依赖 AI 模型。此次 GPT-Synopsys 的推出，标志着 OpenAI 将内部实验转化为正式产品。
GPT-Synopsys 的技术架构与应用
公告指出，GPT-Synopsys 将 OpenAI 的前沿模型与 Synopsys 的 EDA 软件及领域专业知识深度融合，赋予模型对芯片设计和验证进行推理并直接操作 Synopsys 工具的能力。工程师只需设定目标（如 PPA 优化、时序和验证收敛），代理即可自动运行工具、解释结果、实施更改，并向工程师提交经过验证的结果以供审查。
简而言之，该模型被描述为能够像专家工程师一样操作工具、解读输出并利用结果指导后续变更。这种专业化训练使其超越了单纯将通用模型连接到工具集的范畴。在该架构中，Synopsys 的 EDA 引擎负责计算和检查，模型负责解释结果，而代理软件则管理执行过程。
GPT-Synopsys 将运行在 OpenAI 托管的基础设施上，并旨在与 Synopsys.ai 和 Autopilot 平台集成，同时也支持与客户自有代理套件协同工作。Autopilot 目前已提供内存管理和治理等服务。双方正在与领先的半导体客户展开早期技术合作。即时受众主要为专业的半导体设计团队，以及可能使用该技术开发定制产品的公司。
OpenAI 总裁兼联合创始人 Greg Brockman 表示，虽然公告涵盖一般的半导体设计，但 OpenAI 特别关注改进运行其模型的硬件。“通过帮助他们制造更好的芯片，我们可以制造更好的人工智能，并将其带给更多人。”至于这项服务是否能降低门槛，让更小的团队更容易获得先进设计能力，则取决于最终的价格以及所需的专业监督知识。
遗留问题与市场对比
尽管前景广阔，但近期的公告仍留下了一些未解的问题。首先，模型在 OpenAI 基础设施上的托管引发了关于机密设计数据处理的担忧。两家公司声明，客户数据将被排除在模型训练之外，并在静止和传输过程中加密，同时受可配置的保留、审计和许可控制约束。然而，公告未明确接收地区或默认的数据保留期，也未规定产生产品的所有权、第三方授权设计知识产权的使用权或赔偿合同条款。这些细节预计将在未来的服务条款中阐明。
其次，用户的实际经济效益尚待验证。工业界已意识到完全依赖 AI 并不总能降低成本，有时甚至相反。今年早些时候，Uber 首席技术官和 Nvidia 高管曾指出，在某些情况下 AI 比人类工人更昂贵。对于 GPT-Synopsys 而言，先进的工程推理和更快的设计到测试周期可能证明其合理性，但模型调用、EDA 运行、系统集成和人工审查均消耗资源。由于缺乏定价结构和发布日期，成本效益分析暂时无法确定。
在市场竞争方面，Synopsys 的主要对手 Cadence 已于 2 月推出了 ChipStack AI 超级代理，用于前端设计和验证，基于前沿大语言模型（LLM）。4 月，Cadence 宣布与 Google 合作，利用 Google Cloud 上的 Gemini 优化 ChipStack。在 Computex 展会上，Cadence 进一步将 ChipStack 扩展至所谓的“5 级自主性”，由 Nvidia 的 Nemotron 模型驱动，预计 2026 年下半年投入使用。
GPT-Synopsys 与 ChipStack 的主要区别在于架构定位：ChipStack 是 Cadence 自研的代理软件，运行在其他公司的通用模型之上；而 GPT-Synopsys 是一个专门针对运行 Synopsys 工具而训练的 OpenAI 模型。
