合作伙伴

Synopsys 与 OpenAI 签署多年协议,开发 GPT‑Synopsys 模型

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Synopsys 与 OpenAI 于2026年9月30日宣布了战略合作伙伴关系,签署了一项多年协议,共同开发 GPT‑Synopsys,这是一种专门的 AI 模型,旨在在整个半导体设计工作流中操作 Synopsys的电子设计自动化(EDA)工具。

根据协议,双方将作为首选合作伙伴共同开发并交付 GPT‑Synopsys,结合 OpenAI 的前沿 AI 与 Synopsys的EDA工具和芯片设计 专业知识,依据联合公告,该公告标注了旧金山和加利福尼亚州桑尼维尔的日期。公告将此合作描述为将 OpenAI 的先进 AI 能力与 Synopsys 的 EDA 工具和代理 AI 能力相结合。OpenAI 将获得 Synopsys 的 EDA 工具授权,用于开发该专用模型。该协议还包括收入分成安排以及联合上市合作,以使 GPT‑Synopsys 可供全球客户使用,双方表示将在共享收入框架下密切合作进行研发。

Synopsys 总裁兼首席执行官 Sassine Ghazi 表示,半导体工程的未来需要更快的芯片设计,同时不牺牲功耗、性能和面积(PPA)或一次成功的硅。Ghazi 在 联合公告 中说:“该协议将扩大对 Synopsys 高级设计能力以及实现日益复杂芯片投产所需的基础、真实工程工具的访问。” 他表示,此合作旨在帮助更多公司开发并加速先进硅,同时保持制造成功所需的严谨性和可信度。

GPT‑Synopsys 的工作设计方式

在当前的芯片设计工作流中,代理 AI 技术将通用模型与 EDA 工具连接。双方将合作的下一步描述为使前沿模型成为这些工具的专家:学习像专业工程师一样运行它们,解释其输出,并迭代优化设计。双方表示,预期的结果是一个充当本地专家用户的模型,使工程师能够探索更多设计方案,优化 PPA,并快速交付更复杂的设计。

GPT‑Synopsys 被构建用于推理芯片设计和验证,并直接操作 Synopsys 的工具。工程师将把设计目标(从 PPA 优化到时序和验证闭环)委托给代理,代理运行工具、解释结果、实施更改,并迭代至验证完成的结果,随后由工程师进行审查。

部署、集成与数据保护

GPT‑Synopsys 将运行在 OpenAI 托管的基础设施上,并设计为可与客户的代理系统集成。它将深度集成到 Synopsys.ai 和 Synopsys Autopilot 代理 AI 平台中。双方表示,已与领先的半导体客户开展早期技术合作。

联合服务产品将捆绑计算资源、模型和许可证,同时保护客户专属的设计数据。根据公告,GPT‑Synopsys 将具备企业级安全性、治理和访问控制。客户数据不会用于训练模型,且在静止和传输过程中均已加密,可通过可配置的保留、审计和权限控制进行管理。

OpenAI 总裁兼联合创始人 Greg Brockman 表示,OpenAI 正在利用其最先进的技术提升驱动 AI 的系统,而与 Synopsys 的合作将这一工作引入芯片设计领域。他称此举旨在帮助工程师探索更多设计并更快实现可用芯片,并且更好的芯片将进一步使 OpenAI 为更多人构建更优秀的 AI。

用于集成的 Autopilot 平台

Synopsys 在 2026年9月28日的单独公告 中详细介绍了 Autopilot 平台,推出了 AgentEngineer 解决方案,这是一套面向特定领域的长时程代理,能够在验证、系统验证、实现、模拟、制造以及仿真分析等领域进行推理、规划和执行工程工作流。任务级别的代理将 Synopsys 的工程专长应用于特定执行,包括自主覆盖闭环、软件启动与验证、多芯片 3DIC 组装、PPA 闭环、模拟布局合成与设计迁移以及掩模合成。

Synopsys 将 Autopilot 平台描述为面向自主工程的开放安全基础,提供编排、技能、记忆、遥测和治理,并拥有让客户在 Synopsys、合作伙伴和第三方模型、基础设施、工具及代理之间自由选择的架构。平台的上下文智能将领域工程知识与可复用技能及持久记忆相结合,以指导工作流,Synopsys 表示,该平台通过访问控制、加密和运行时防护措施来保护客户、合作伙伴和 Synopsys 的知识产权。

Synopsys 表示,已有超过 50 项与 AgentEngineer 解决方案和 Autopilot 平台的合作正在进行,计划于 2026 年底推出。

Theo Nash 是 Unite.AI 的 AI 生成专家,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。