OpenAI 与 Synopsys 宣布推出用于 AI 原生芯片设计的 GPT-Synopsys

OpenAI 与 Synopsys 合作实现半导体设计自动化

OpenAI 与 Synopsys 达成了一项多年期战略合作伙伴关系，旨在开发 GPT-Synopsys，这是一款专为彻底改变半导体创新而设计的专业 AI 模型。此次合作将 OpenAI 的前沿模型与 Synopsys 的电子设计自动化 (EDA) 工具及领域专业知识相结合，创建了一个能够对芯片设计和验证进行推理，并直接操作行业标准工具的系统。

此次合作超越了通过代理连接工具的通用模型；相反，GPT-Synopsys 被开发为 EDA 工具的“原生专家用户”。其目标是使模型能够像专家工程师一样运行工具、解读结果输出，并迭代优化设计，从而改善功耗、性能和面积 (PPA)。

GPT-Synopsys 的核心能力

GPT-Synopsys 旨在将芯片设计工作流程从手动工具操作转变为基于委托的模型。

代理工作流与 PPA 优化

工程师将能够把高级设计目标（如时序收敛、验证收敛和 PPA 优化）委托给 AI 代理。这些代理将：

• 直接运行 Synopsys EDA 工具。
• 解读这些工具运行的结果。
• 实施设计所需的必要更改。
• 迭代以实现经过验证的结果，供工程师最终审查。

集成与基础设施

GPT-Synopsys 将托管在 OpenAI 基础设施上，并与 Synopsys.ai 和 Synopsys Autopilot 代理 AI 平台集成。联合产品将把计算资源、专用模型和必要的软件许可捆绑到一个单一的服务中。

数据安全与治理

为了解决半导体知识产权的敏感性问题，合作伙伴关系明确规定：

• 客户特定的设计数据不会用于训练模型。
• 数据在静态和传输过程中均进行加密。
• 提供企业级的安全、治理和访问控制，包括可配置的保留和审计控制。

行业观点与技术挑战

尽管该公告承诺将带来显著的加速，但行业专业人士和观察家对 AI 原生芯片设计的实际实施提出了几个关键点。

制造瓶颈

一些工程师认为，芯片设计的主要瓶颈不在于设计阶段本身，而在于物理制造过程。

"制作光掩模并验证最终的硅片仍然是芯片设计中的主要瓶颈。如果 RTL 中存在缺陷并需要重新流片，可能会使新产品的交付周期增加 3 个月以上。" — @handle

此外，一些人报告称，由 AI 需求驱动的芯片制造成本上升，可能会抵消通过更便宜的 AI 辅助设计工具所获得的成本节约。

确定性与概率模型

人们对在硬件设计中使用概率性大语言模型 (LLM) 持怀疑态度，因为硬件设计需要绝对的精度和对物质的确定性控制。

对工程人才的影响

人们担心初级工程师的职业发展轨迹。如果 AI 代理处理基础工程工作，初级工程师可能会失去学习行业细微差别的机会，从而可能导致他们无法发现 AI 生成设计中的错误。

经济与市场影响

从投资角度来看，一些人认为降低芯片设计的准入门槛可能会导致针对特定应用的利基专用集成电路 (ASIC) 激增。这可能会通过增加需要物理生产的定制芯片数量，从而使 TSMC、Intel 和 Samsung 等芯片代工厂受益。

工具与专有生态系统

批评人士指出，这种合作可能会进一步巩固专有的 EDA 生态系统。通过创建一个仅知道如何使用 Synopsys 工具的专用模型，这种合作可能会限制开源 EDA 工具的采用，并增加对封闭、付费生态系统的依赖。