作者：电子创新网张国斌

距2026湾区半导体产业生态博览会（湾芯展WESEMiBAY）在深圳会展中心（福田）开幕，还有5天。

如果说过去两年生成式AI最重要的变化，是ChatGPT开始“写代码”，那么接下来一个更值得关注的变化可能是AI开始“做芯片”！

9月30日，OpenAI与Synopsys（新思科技）宣布达成多年战略合作，双方将共同开发GPT-Synopsys——一个面向芯片设计的专用模型。它不是简单地回答“怎么设计芯片”，也不是帮工程师写几段Verilog代码，而是要进一步学会直接操作Synopsys的EDA工具，理解工具输出，并围绕PPA、时序和验证结果不断迭代设计。 

可能很多人因国庆长假忽视了这个新闻，但是笔者认为这是EDA领域的里程碑事件！

这个合作非常值得期待。因为它真正改变的，可能不是一个EDA产品，而是EDA软件的使用方式，以及芯片工程师与EDA之间的关系。

过去，是工程师操作EDA。未来，很可能变成：工程师告诉AI“我要什么”，AI自己去操作EDA。这才是GPT-Synopsys真正值得关注的地方。

一、这不是又一个“EDA Copilot”

如果把这件事情简单理解成“新思推出了一个EDA大模型”，其实还是低估了它。因为EDA行业并不是今天才开始做AI。新思过去已经在做Synopsys.ai，也已经把机器学习、生成式AI、强化学习等技术用于芯片设计优化。

今年7月，新思还与微软、AMD合作推出了面向芯片设计的Agentic AI工作流，其中一个自主Debug Closure流程已经公布了最高40%的周期缩减结果。新思此前也展示过由多个EDA Agent协同完成RTL生成、Lint、测试平台生成和验证迭代的流程。 Synopsys 投资者关系

所以GPT-Synopsys并不是新思第一次把AI放进EDA。

真正不同的是：这一次，OpenAI的Frontier Model进入了EDA。

新思提供EDA工具、芯片设计专业知识和工程执行环境，OpenAI提供基础模型和Agent能力，双方共同训练、优化一个能够“像资深工程师一样使用EDA工具”的专用模型。按照双方公布的信息，OpenAI将获得Synopsys EDA工具授权，GPT-Synopsys将运行在OpenAI托管的基础设施上，并与客户自己的Agent系统、Synopsys.ai和Autopilot平台协同。 Synopsys 投资者关系

这就不再只是：AI帮助工程师使用EDA。而是在尝试变成：AI自己成为EDA的用户。

这两者，看起来只差几个字，实际上是两个时代。

二、过去是“AI辅助EDA”，现在开始进入“AI操作EDA”

我们可以把EDA中的AI演进简单分成三个阶段。

第一阶段：AI优化算法

AI负责帮助EDA工具寻找更优解。比如布局布线、功耗优化、时序优化等。工程师还是主导者，EDA还是主角，AI更像一个优化器。

第二阶段：Copilot

工程师问：为什么这里timing violation？AI帮你分析。

工程师说：帮我写一个脚本。AI帮你生成。

工程师说：给我一个RTL模块。AI帮你写。

这个阶段，本质上仍然是：AI辅助工程师。

第三阶段：Agent

现在开始发生变化。工程师可能只需要给出一个目标：性能提高10%，功耗不能增加，面积控制在某个范围。

然后Agent自己开始工作：理解目标 → 修改RTL → 调用综合 → 分析PPA → 调整约束 → 再次运行 → 分析时序 → 修改设计 → 再运行 → 验证 → 收敛。

新思对GPT-Synopsys描述的正是这样的模式：工程师把PPA优化、时序收敛、验证收敛等设计目标交给Agent，由Agent运行工具、解释结果、实施修改并持续迭代，最后把经过验证的结果交给工程师审核。 Synopsys 投资者关系

这意味着：EDA正在从“工具集合”，变成“AI可以调用的工程执行环境”。

在即将开启的湾芯展上，我们会举办一个“生产力智能体沙龙”活动，就是国内顶级智能体现场演示，详见《“生产力智能体沙龙”完整议程公布！这次不讲PPT，只让AI直接干活！》欢迎到场观摩交流。

三、为什么一定要把大模型接到EDA工具？

这里才是这次合作真正的技术核心。普通大模型最大的优势，是处理语言、代码和知识。但芯片设计有一个非常特殊的地方：最终答案不能靠语言判断。AI可以说：“这个RTL结构更合理。”但是综合之后可能发现：面积变大了。布局布线之后：时序过不了。功耗分析之后：功耗超标。

最后：DRC、LVS或者其他sign-off检查又可能出现问题。所以芯片设计存在一个非常强的“现实反馈机制”。这也正是EDA和普通软件开发最大的区别之一。芯片不会因为AI说得有道理就通过验证。它必须经过EDA工具计算。因此，一个真正有能力做芯片设计的AI，需要形成这样一个闭环：

模型推理

↓

调用EDA工具

↓

获得真实工程结果

↓

模型分析结果

↓

修改设计

↓

再次调用EDA

↓

继续迭代

↓

验证收敛

这和今天AI Coding正在形成的“模型+编译器+测试工具+执行环境”非常相似。

区别在于：软件最终可以通过运行测试来验证。芯片最终必须走向：物理实现和Sign-off。

所以对于EDA AI而言，EDA工具本身就是AI的“实验环境”。

四、这意味着什么？新思可能正在打造EDA领域的“ChatGPT”

所以，回到大家最关心的问题：GPT-Synopsys是不是EDA领域的大模型？我的判断是：基本可以这么理解，但它不是简单的“EDA版ChatGPT”。更准确地说，它是：Foundation Model + EDA领域知识 + EDA工具调用能力 + Agent + 工程结果反馈

组成的专业AI系统。它和传统大模型最大的区别，不只是“懂更多芯片知识”。而是：它能够行动。过去的大模型可以告诉你：“PrimeTime应该这样使用。”未来的GPT-Synopsys希望做到的是：“我已经帮你跑完了PrimeTime，这是结果；发现这个路径存在timing问题，我调整了约束并重新跑了一轮，这是新的结果。”

这就是从：Knowledge AI走向：Engineering AI。（这也是今年新思开发者大会CEO提到的重构Engineering的一部分）

五、真正值钱的可能不是“大模型”，而是新思手里的“Ground Truth”

这也是我认为这次合作最值得产业界思考的一点。很多人看到OpenAI，会首先想到：大模型。但从芯片设计角度看，OpenAI可能真正需要的，并不是新思来教它什么叫RTL、PPA或者时序。

真正稀缺的是：什么样的设计动作，会最终产生什么样的工程结果。

比如：一个设计经过综合之后，PPA是多少？调整一个约束之后，时序发生什么变化？改变一个RTL结构之后，面积和功耗如何变化？某种布局策略为什么能够改善拥塞？某种优化为什么最终导致另外一个指标恶化？这些东西不是靠阅读几亿篇芯片资料就能学会的。

它需要大量真实的：设计 → 工具执行 → 结果 → 修改 → 再执行 → 再结果，也就是工程师每天实际做的“试错轨迹”。从这个角度看，新思拥有的真正AI资产可能不是简单的“芯片知识库”，而是：EDA工具+工程流程+设计经验+计算结果+验证结果。

这才是GPT-Synopsys真正需要学习的东西。

六、这也是OpenAI为什么要找新思，而不是自己做一个“芯片大模型”

这是双方合作最有意思的地方。OpenAI拥有的是：Foundation Model、推理能力、Agent能力以及AI基础设施。新思拥有的是：EDA工具、芯片设计知识、工程流程以及最重要的Ground Truth执行环境。

于是两家公司形成了一种非常典型的组合：

最终形成的不是简单的：AI+EDA

而是：AI大脑 + EDA执行系统。这可能才是双方真正想构建的东西。

七、而且，新思显然不满足于只做一个GPT-Synopsys

如果只看这次合作，很容易认为新思是在押注一个OpenAI模型。但结合新思9月30日投资者日公布的整体战略，事情要更大一些。新思已经明确提出，它希望让客户以多种方式使用自己的Agentic AI能力：

第一种，直接使用Synopsys Autopilot；

第二种，把Synopsys Agent接入客户自己的AI平台；

第三种，使用针对专业工程流程优化的Frontier AI Model。

GPT-Synopsys实际上属于第三种。 这说明新思真正想构建的并不是一个孤立的“EDA大模型”。而是：EDA Agent平台。模型只是其中一个组成部分。工具是执行层，Agent是调度层，模型是推理层。而最终的芯片设计结果，则成为反馈层。

八、EDA行业可能因此出现一次商业模式变化

这件事情还有一个经常被忽略的角度：钱以后怎么收？传统EDA商业模式很清楚：卖License。客户买工具，工程师使用工具。但是当Agent成为EDA的主要使用者之后，商业模式可能开始发生变化。

假设未来工程师只需要提出：“把这个模块的性能提高15%。”接下来可能有几十甚至几百次EDA工具调用。综合、布局、时序、功耗、验证……

EDA的价值不再只是“一个工程师拥有多少License”，而是“AI到底调用了多少工程能力”。

新思在投资者日已经明确提出，未来将通过订阅、消费型模式等方式对AI驱动的工程服务进行商业化。GPT-Synopsys此次合作本身也采用了共享收益框架。 

这意味着：EDA可能从“软件License经济”，逐渐走向“工程能力消费经济”。如果未来一个AI Agent替代了10个工程师完成大量迭代，那么客户付的钱也可能不再只是购买几个工具席位。

而是购买：完成芯片设计的能力。这才是商业模式真正值得关注的变化。

九、但这里有一个非常重要的误区：AI不会取代EDA

恰恰相反。AI越强，EDA的重要性可能越高。因为大模型负责的是：想。

Agent负责：做。EDA负责：算。Sign-off负责：判。

这四层缺一不可。最终结构可能变成：

AI提出方案

↓

Agent调用EDA

↓

EDA计算PPA/时序/物理结果

↓

AI分析结果

↓

继续优化

↓

Sign-off给出最终裁决

所以未来并不是：LLM取代EDA。更可能是：LLM把EDA Agent化。这对Synopsys这样的EDA公司反而是一件非常有意思的事情。因为如果过去一个工程师一天跑10次EDA工具，未来一个Agent可能一天跑几百次。

模型越强，EDA引擎的调用量可能越大。这实际上可能把EDA从“设计软件”，变成AI时代的工程计算基础设施。

十、真正的竞争也许从“EDA工具大战”变成“工程智能大战”

这可能是GPT-Synopsys给整个EDA行业带来的最大冲击。过去Synopsys、Cadence、Siemens EDA之间的竞争，更多发生在：综合、仿真、 P&R、STA、验证、DRC/LVS、模拟设计、系统设计这些工具和流程上。

而进入Agent时代之后，竞争维度可能增加一个新的指标：谁的AI最懂芯片？但再进一步，还要问：谁的Agent最会用EDA？甚至最终变成：谁能够让芯片设计最快收敛？这时候真正的竞争就不再只是某个工具比另一个工具快5%。

而是：一个复杂芯片，从规格到RTL，再到PPA优化、验证、物理实现，整个工程周期能不能从几个月压缩到几周，甚至更短。

新思今年已经展示了Agentic AI在部分流程中的效率提升，而GPT-Synopsys显然是在进一步把这种能力推向更广泛的工程流程。 Synopsys 投资者关系

十一、这也可能重新定义“芯片工程师”

这可能是最值得产业界讨论的问题。如果AI真的能够：写RTL、跑综合、分析timing、做PPA优化、自动debug、自动验证、反复迭代，那么未来芯片工程师还需要做什么？答案可能不是“工程师被替代”。

而是：工程师的工作重心发生变化。过去工程师大量时间花在：写代码、跑工具、看报告、改参数、重新跑。未来可能越来越多变成：定义目标、设计架构、制定约束、审查AI方案、判断工程trade-off。

也就是说：工程师从“工具操作者”，逐渐变成“工程智能的管理者”。这其实和软件开发正在发生的变化非常相似。ChatGPT出现之后，程序员没有消失。但“写代码”本身正在从核心能力之一，逐渐变成更大工程系统中的一个环节。芯片设计可能也会经历类似过程。

十二、不过，GPT-Synopsys距离真正“AI自己设计芯片”还有很长距离

这里也必须保持冷静。目前公开的信息证明的是：双方已经宣布合作并启动GPT-Synopsys开发。它还不是一个已经全面商业化、可以独立完成先进SoC设计的“AI芯片工程师”。

新思公布的是目标和技术路线，早期技术合作也已经在推进，但目前还没有足够公开的独立Benchmark证明GPT-Synopsys能够在先进节点上全面替代传统工程团队。

而且芯片设计还有几个非常难的问题：第一，设计空间巨大。AI可能需要探索数千甚至数百万种方案。第二，EDA计算成本很高。Agent跑得越勤快，EDA算力消耗越大。第三，局部最优很容易出现。PPA优化不是单目标问题，而是复杂的多目标trade-off。第四，Sign-off依然是最后的裁判。AI可以提出方案，但最终仍然必须经过传统EDA和物理验证体系确认。

所以GPT-Synopsys真正需要证明的不是：“它会不会聊天。”甚至也不是：“它会不会写RTL。而是：“它能不能稳定地让一颗芯片更快、更省电、更小，而且一次成功率更高？”这才是最终指标。

十三、但无论最终效果如何，这条路已经很难回头

因为芯片设计本身就是一个极其适合Agent的领域。它有明确的目标。有大量的工具。有清晰的反馈。有可以量化的PPA、timing、power等指标。还有最终可以验证的sign-off。这意味着，芯片设计其实具备非常典型的Agent应用条件：AI负责探索设计空间，EDA负责计算，工程结果负责反馈。

而这恰恰是Agent最擅长的工作方式。所以GPT-Synopsys真正值得关注的，可能不是它今天到底有多强。而是它代表了一种新的工程范式：让AI不再只是“告诉工程师怎么做芯片”，而是开始真正“动手做芯片”。

EDA的下一个入口，可能不是工具，而是Agent

过去40多年，EDA的核心逻辑基本没有改变：

人设计，工具算。今天开始出现新的变化：人定目标，AI设计，Agent调用工具，EDA负责计算，工程师负责审核。这意味着EDA产业可能正在经历一次非常重要的角色变化。

过去，Synopsys卖的是：EDA工具。未来，它可能卖的是：芯片工程能力。而OpenAI带来的，也不只是一个更强的模型。它可能把大模型从“会回答芯片问题”，推进到：“会使用EDA解决芯片问题。”

所以，与其把GPT-Synopsys理解成一个“EDA版ChatGPT”，不如把它看成一个信号：AI正在从软件工程进入芯片工程。

而一旦这个方向真正跑通，EDA的竞争逻辑可能彻底改变。过去我们问：谁的EDA工具更强？未来我们可能要问：谁的AI最懂芯片，谁的Agent最会调用EDA，谁能让一颗芯片最快从想法走到硅片？

这或许才是OpenAI与新思这次合作真正值得行业关注的地方。

ChatGPT开始“做芯片”，真正被重新定义的，可能不是一款模型，而是整个EDA。

注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利。