Partnerskaber

Synopsys, OpenAI underskriver flerårig aftale om udvikling af GPT‑Synopsys‑modellen

mm
Føj Unite.AI til dine foretrukne kilder på Google

Synopsys og OpenAI annoncerede et strategisk partnerskab den 30. september 2026 og underskrev en flerårig aftale om fælles udvikling af GPT‑Synopsys, en specialiseret AI‑model designet til at betjene Synopsys’ elektronisk designautomatisering (EDA) værktøjer på tværs af arbejdsprocesser for halvlederdesign.

I henhold til aftalen vil virksomhederne samarbejde som foretrukne partnere om at udvikle og levere GPT‑Synopsys, ved at kombinere OpenAIs banebrydende AI med Synopsys’ EDA‑værktøjer og chipdesign-ekspertise, ifølge den fælles meddelelse, som havde en datolinje fra San Francisco og Sunnyvale, Californien. Meddelelsen fremstiller partnerskabet som en sammensmeltning af OpenAIs avancerede AI‑kapaciteter med Synopsys’ EDA‑værktøjer og agentbaserede AI‑funktioner. OpenAI vil licensere Synopsys’ EDA‑værktøjer til udvikling af den specialiserede model. Aftalen omfatter også en indtægtsdelingsordning og et fælles go‑to‑market‑samarbejde for at gøre GPT‑Synopsys tilgængelig for kunder verden over, og virksomhederne sagde, at de vil samarbejde tæt om forskning og udvikling under en fælles indtægtsramme.

Synopsys’ præsident og administrerende direktør Sassine Ghazi sagde, at fremtiden for halvlederingeniørkunst kræver hurtigere chipdesign uden at gå på kompromis med strøm, ydeevne og areal (PPA) eller første‑gang‑rigtigt silicium. “Denne aftale vil udvide adgangen til Synopsys’ avancerede designkapaciteter og de underliggende, sandfærdige ingeniørværktøjer, der er nødvendige for at bringe stadig mere komplekse chips på markedet,” sagde Ghazi i den fælles meddelelse. Han tilføjede, at partnerskabet har til formål at hjælpe flere virksomheder med at udvikle og accelerere avanceret silicium, samtidig med at den strenghed og tillid, der kræves for produktionssucces, opretholdes.

Hvordan GPT‑Synopsys er designet til at fungere

I de nuværende chipdesign‑arbejdsprocesser forbinder agentbaserede AI‑teknologier generelle modeller med EDA‑værktøjer. Virksomhederne beskriver næste skridt i partnerskabet som at gøre frontier‑modeller til eksperter i brugen af disse værktøjer: lære at køre dem, som erfarne ingeniører ville, fortolke deres output og iterativt optimere design. Det ønskede resultat, siger virksomhederne, er en model, der fungerer som en indfødt ekspertbruger, så ingeniører kan udforske flere designalternativer, optimere PPA og hurtigt levere mere sofistikerede designs.

GPT‑Synopsys er bygget til at ræsonnere om chipdesign og verifikation samt til direkte at betjene Synopsys’ værktøjer. Ingeniører vil delegere designmål, fra PPA‑optimering til timing‑ og verifikationslukning, mens agenter kører værktøjerne, fortolker resultater, implementerer ændringer og itererer mod verificerede resultater, som ingeniørerne derefter gennemgår.

Udrulning, integration og databeskyttelse

GPT‑Synopsys vil køre på infrastruktur hostet af OpenAI og er designet til at interoperere med kundernes agent‑harness‑systemer. Den vil blive dybt integreret med Synopsys.ai og Synopsys Autopilot‑platformen for agentbaseret AI. Tidlige teknologisamarbejder er i gang med førende halvlederkunder, siger virksomhederne.

Det fælles service‑tilbud vil samle beregning, modellen og licenser, samtidig med at det beskytter kundespecifikke designdata. Ifølge meddelelsen vil GPT‑Synopsys indeholde sikkerhed, styring og adgangskontrol på virksomhedsniveau. Kundedata bruges ikke til at træne modellen, er krypteret både i hvile og under overførsel og kan administreres via konfigurerbare opbevarings‑, revisions‑ og tilladelseskontroller.

OpenAI’s præsident og medstifter Greg Brockman sagde, at OpenAI bruger sin mest avancerede teknologi til at forbedre de systemer, der driver AI, og at samarbejdet med Synopsys bringer dette arbejde ind i chipdesign. Han forklarede, at indsatsen skal hjælpe ingeniører med at udforske flere designs og nå frem til en fungerende chip hurtigere, og at bedre chips vil gøre det muligt for OpenAI at bygge bedre AI til flere mennesker.

Autopilot‑platformen navngivet til integration

Synopsys detaljerede Autopilot‑platformen i en separate meddelelse den 28. september 2026, hvor de introducerede AgentEngineer‑løsninger, en portefølje af domænespecifikke langtidshorisont‑agenter, der ræsonnerer, planlægger og udfører ingeniørarbejdsprocesser på tværs af verifikation, systemvalidering, implementering, analog, fremstilling samt simulerings‑ og analyse‑domæner. Agent‑niveau‑agenter anvender Synopsys’ ingeniørekspertise til målrettet udførelse, herunder autonom dækninglukning, software‑opstart og -validering, multi‑die 3DIC‑samling, PPA‑lukning, analog layout‑syntese og design‑migration samt maskesyntese.

Synopsys beskriver Autopilot‑platformen som et åbent og sikkert fundament for autonomt ingeniørarbejde, der leverer orkestrering, færdigheder, hukommelse, telemetri og styring, med en arkitektur der giver kunderne valg mellem Synopsys‑, partner‑ og tredjepartsmodeller, infrastruktur, værktøjer og agenter. Platformens kontekst‑intelligens kombinerer domæne‑ingeniørviden med genanvendelige færdigheder og vedvarende hukommelse for at vejlede arbejdsprocesser, siger Synopsys, og virksomheden tilføjede, at platformen beskytter kunders, partneres og Synopsys’ intellektuelle ejendomsrettigheder gennem adgangskontroller, kryptering og runtime‑sikkerhedsforanstaltninger.

Synopsys oplyser, at mere end 50 engagementer er i gang med AgentEngineer‑løsninger og Autopilot‑platformen, med planlagt tilgængelighed ved udgangen af 2026.

Theo Nash er en AI‑genereret specialist hos Unite.AI, der dækker AI‑infrastruktur, beregning og de hardware‑systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer på de tekniske grundlag bag store AI‑arbejdsbelastninger, herunder datacentre, acceleratorer, netværk og software‑stakke, der binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøger Theo, hvordan fremskridt inden for GPU’er, specialdesignet silicium, hukommelsesarkitekturer og distribuerede systemer muliggør nye generationer af AI‑modeller. Han lægger særlig vægt på præstationsafvejninger, energieffektivitet, skalerbarhed og de praktiske begrænsninger, der former implementeringen af AI‑infrastruktur i den virkelige verden.

Artikler skrevet af Theo Nash er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hastigt udviklende AI‑beregningslandskab.