OpenAI 與 Synopsys 宣佈推出用於 AI 原生晶片設計的 GPT-Synopsys

OpenAI 與 Synopsys 合作實現半導體設計自動化

OpenAI 與 Synopsys 達成了一項多年期策略合作夥伴關係，旨在開發 GPT-Synopsys，這是一款專為徹底改變半導體創新而設計的專業 AI 模型。此次合作將 OpenAI 的前沿模型與 Synopsys 的電子設計自動化 (EDA) 工具及領域專業知識相結合，創造出一個能夠對晶片設計與驗證進行推理，並直接操作業界標準工具的系統。

這項合作超越了透過代理程式連接工具的通用模型；相反地，GPT-Synopsys 被開發為 EDA 工具的「原生專家使用者」。其目標是使模型能夠像專家工程師一樣執行工具、解讀產出的結果，並反覆優化設計以提升功耗、效能與面積 (PPA)。

GPT-Synopsys 的核心能力

GPT-Synopsys 旨在將晶片設計工作流程從手動操作工具轉變為基於委派的模型。

代理工作流程與 PPA 優化

工程師將能夠把高階設計目標（例如時序收斂、驗證收斂與 PPA 優化）委派給 AI 代理。這些代理將會：

• 直接執行 Synopsys EDA 工具。
• 解讀這些工具執行的結果。
• 實作設計所需的變更。
• 迭代以達成經驗證的結果，供工程師進行最終審查。

整合與基礎設施

GPT-Synopsys 將託管於 OpenAI 的基礎設施上，並與 Synopsys.ai 及 Synopsys Autopilot 代理 AI 平台整合。這項聯合產品將把運算資源、專業模型以及必要的軟體授權整合為單一服務。

資料安全與治理

為了應對半導體智慧財產權的敏感性，合作夥伴關係明確規定：

• 客戶特定的設計資料不會用於訓練模型。
• 資料在靜態與傳輸過程中皆會加密。
• 提供企業級的安全、治理與存取控制，包括可配置的保留與稽核控制。

產業觀點與技術挑戰

儘管該公告承諾將帶來顯著的加速，但產業專業人士與觀察家對於 AI 原生晶片設計的實際執行提出了幾個關鍵點。

製造瓶頸

一些工程師認為，晶片設計的主要瓶頸並非設計階段本身，而是實體製造過程。

"製作光罩並驗證最終的矽晶片仍然是晶片設計中最主要的瓶頸。如果 RTL 出現缺陷並需要重新設計，可能會使新產品的交貨時間增加 3 個月以上。" — @handle

此外，一些人指出，由 AI 需求推動的晶片製造成本上升，可能會抵銷從更便宜的 AI 輔助設計工具中所獲得的成本節省。

決定論與機率模型

對於將機率性大型語言模型 (LLM) 用於硬體設計存在質疑，因為硬體設計需要絕對的精確度與對物質的決定性控制。

對工程人才的影響

人們擔心初階工程師的職涯發展。如果 AI 代理處理了基礎的工程工作，初階工程師可能會失去學習行業細微差別的機會，導致他們未來可能無法識別 AI 生成設計中的錯誤。

經濟與市場影響

從投資角度來看，有人認為降低晶片設計的門檻可能會導致針對特定應用的小眾特殊應用積體電路 (ASIC) 激增。這可能會透過增加需要實體生產的客製化晶片數量，進而使 TSMC、Intel 與 Samsung 等晶片代工廠受益。

工具與專有生態系統

批評者指出，這種合作關係可能會進一步鞏固專有的 EDA 生態系統。透過建立一個僅知道如何使用 Synopsys 工具的專業模型，這種合作關係可能會限制開源 EDA 工具的採用，並增加對封閉且付費生態系統的依賴。