OpenAI与Synopsys合作打造芯片设计模型GPT-Synopsys：智能体自主运行EDA工具迭代PPA，客户早期试用已启动
发布时间：2026年09月30日 11:10:009月30日OpenAI与全球EDA巨头Synopsys宣布达成多年合作，共同训练名为GPT-Synopsys的专用前沿模型：工程师给出功耗、性能、面积优化或时序收敛、验证收敛等设计目标后，智能体可自主调用Synopsys EDA工具、解读输出、修改设计并反复迭代，直至给出经验证的结果交人工审核。模型运行在OpenAI托管基础设施上，接入Synopsys.ai与Autopilot智能体平台及客户自有智能体框架，Synopsys以收入分成与联合销售方式向OpenAI授权EDA工具；客户设计数据传输与静态均加密且不用于训练。目前未公开发售，已与头部半导体客户启动早期技术合作。
大模型走进芯片设计的「长循环」工作
9月30日，OpenAI与Synopsys（新思科技）宣布多年期合作，共同打造一款名为GPT-Synopsys的芯片设计专用模型——把前沿大模型与Synopsys的电子设计自动化（EDA）工具链及芯片设计know-how结合，让智能体像资深工程师一样「开工具、读结果、改设计」。
芯片设计中大量工作是漫长的工具循环：跑综合、看时序报告、调约束、再跑一遍。合作双方的分工由此明确：
| 维度 | 安排 |
|---|---|
| 合作性质 | 多年协议，Synopsys向OpenAI授权EDA工具，收入分成+联合销售 |
| 模型托管 | OpenAI托管的基础设施 |
| 接入方式 | Synopsys.ai、Synopsys Autopilot智能体平台、客户自有智能体框架 |
| 数据政策 | 客户设计数据传输与静态均加密，不用于模型训练 |
| 可用状态 | 尚未公开发售、无公开报价；头部半导体客户早期技术合作已启动 |
工作方式：给目标，不是给指令
工程师不是逐步操作工具，而是向智能体下达目标：功耗/性能/面积（PPA）优化、时序收敛（timing closure）或验证收敛（verification closure）。智能体随后自主运行EDA工具、解读输出、修改设计并重复迭代，直到达成可验证的结果，再交回工程师审核。
这一范式与近两周OpenAI密集推出的智能体战略一脉相承：9月29日DevDay上的云端Dot与GPT-6.1 Sol强调长周期自主作业，GPT-Synopsys则把同样逻辑放进半导体这一对可靠性要求最苛刻的行业。Synopsys的判断是，工程师可以借此探索更多设计选项、更快达成可流片的方案。
为什么「不用客户数据训练」是成交前提
芯片公司的设计文件是最高等级商业机密，因此数据条款在此次发布中被放在核心位置：企业级安全、治理与访问控制齐备，设计数据在传输和存储时全程加密，绝不进入训练集。这也是专用行业模型与通用API服务在商业模式上的关键分野——大客户要的是能力，不是自己的数据成为下一代模型的养料。
行业背景：EDA智能化军备竞赛升温
EDA三巨头中，Synopsys的Autopilot智能体平台此前已全面铺开，竞争对手Cadence、西门子EDA也在各自平台嵌入大模型能力；国内华大九天等厂商同样在推进AI辅助设计。GPT-Synopsys的特殊之处在于模型厂商与EDA厂商从底座层联合定制，而非简单调用通用API。叠加同日OpenAI被曝与英伟达10GW级合作意向、AMD刚收购World Labs，前沿实验室正在把智能体能力从写代码、做表格，推向造芯片这一工业皇冠环节。
编辑点评
EDA工具链本质是一套「带评分函数的长任务环境」，与强化学习和智能体训练的适配度天然很高——GPT-Synopsys选PPA、时序、验证收敛这三个目标最明确、验证最闭环的环节切入，说明行业模型落地仍遵循「先啃可验证的硬骨头」。短期看它替代的是工程师跑流程、读报告的夜间等待时间而非工程师本人；真正值得关注的是商业模式信号：收入分成意味着EDA厂商开始按智能体创造的设计效率收费，软件License的计价逻辑可能随之改写。对国产EDA与芯片公司而言，这既验证了智能体辅助设计的方向，也再次敲响数据主权与工具链自主的警钟。
来源参考：