🔥 HN 热议

GPT-Synopsys要做什么:OpenAI与Synopsys把AI带进芯片设计

约3分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
GPT-Synopsys

OpenAI与Synopsys计划开发的芯片设计专用AI模型。

EDA

用于设计和检查半导体的软件工具。

收入分成

合作双方按照约定分享服务带来的收入。

发生了什么

2026年9月30日,OpenAI(ChatGPT的开发公司)与Synopsys(半导体设计软件公司)宣布了一项多年合作计划。双方准备共同开发并推出GPT-Synopsys,一种专门服务芯片设计工作的模型。

协议包括OpenAI获得Synopsys设计工具的使用许可。双方还会共同进行研发、市场推广,并采用收入分成方式。这是一次合作和产品规划,并不表示已经有一块芯片由这个系统完成。Synopsys在公告中也说明,关于能力、时间和收益的内容包含未来计划。

这个AI准备怎样工作

EDA是用于设计和检查半导体的软件工具。芯片设计者通常要同时考虑功耗、速度和电路面积。

Synopsys表示,GPT-Synopsys会把OpenAI的模型,与自己的设计工具和专业知识结合起来。工程师可以先给出目标。模型再运行设计工具,读取结果,修改设计,然后继续尝试。它可以帮助处理功耗、性能、面积、时序和验证等目标。最后的结果仍要由工程师检查。

这一区别很重要。公告描述的不是一台直接在工厂里制造芯片的机器。它主要负责使用设计阶段的软件。双方表示,已经和一些领先的半导体客户开始早期技术合作,但没有公开客户名称,也没有公布合作结果。

为什么重要

如果系统真的能按计划工作,工程师就能比较更多设计方案,也可能少做一些重复的工具操作。这或许能帮助公司更快研究复杂芯片,也可能让一些专门用途的芯片项目更容易开始。

不过,这些是可能的好处,不是已经测出的结果。公告没有给出独立测试,也没有说明设计速度会提高多少。它没有证明GPT-Synopsys可以把设计一路推进到芯片制造完成。

双方计划把计算资源、AI模型和软件许可放进同一个服务里。Synopsys称,客户的设计数据不会用来训练模型。公司还表示,数据在保存和传输时会加密,并提供保存期限、审计和权限控制。这些是企业在公告中提出的保护措施,真实效果仍需要实际使用来检验。

已确认的事实

目前可以确认的内容包括多年协议、工具许可、共同研发、共同推广和收入分成。GPT-Synopsys计划运行在OpenAI托管的基础设施上,也计划和客户的AI运行系统及Synopsys平台协作。

这条消息在Hacker News上的帖子获得了176个积分和106条评论。这只能说明技术社区关注了它,不能证明公告内容正确,也不能证明产品性能良好。

还不知道什么

公告没有说明模型大小、训练方法、上线日期、价格和具体支持哪些设计任务。它也没有公布错误率、独立测试结果或客户成果。不同工作需要多少人工检查,同样还不清楚。

接下来关注什么

接下来应关注客户试用、公开测试和实际设计案例。还要看工程师怎样检查和纠正模型的决定,以及数据隔离、权限和审计是否真的有效。

关键问题不只是AI能不能使用芯片设计工具。更重要的是,工程师能否信任它的结果,并把设计安全地推进到制造阶段。GPT-Synopsys试图回答这个问题,但目前仍只是起点。

💬 HN 评论如何看 GPT-Synopsys:保密、制造与人的责任

评论的核心并不是模型能否操作 EDA,而是能否可信地保管专有设计、承受晶圆制造的成本与供给限制、完成验证,并保留足够的人类经验。下列数字、性能和缺陷相关内容都标明为评论者自述或解释,不是独立核实的事实。

  • 数据保密是第一道门槛。一位评论者自述,芯片设计者通常不愿把设计和 EDA 使用经验放进公开场所或普通云环境,而会维护私有计算资源来跑仿真和综合。数据保护承诺只有在客户信任服务商、合同和隔离措施时才有用。
  • 设计成本和制造成本可能朝相反方向变化。一位评论者自述,他们几乎完成的 ASIC 因 AI 芯片需求推高了所需掩模修改的报价而被迫放弃;另一位评论者反驳说,制造变贵并非 AI 直接造成,而是产能受限、需求超过供给。
  • 另一位评论者自述,28–180 nm 的成熟制程,流片后试作大约需要 4–5 个月;初始样片约为 180 nm 的 5,000–20,000 美元、28 nm 的 60,000–150,000 美元,专用晶圆约为 180 nm 的 100,000–200,000 美元、28 nm 的 100万–200万美元。这些是受条件影响的个人数字,不是核实过的市场报价。
  • 形式验证并非万能。一位评论者的技术性自述称,如果规格或断言写错,即使形式覆盖率达到 100%,也可能把错误行为当成已证明;形式验证的计算复杂度还可能呈指数增长,所以仍需仿真。这位评论者将其作为硅片仍可能出现错误的原因之一,但这不是对具体产品的审计。
  • 对概率模型的反驳是:物理设计本来就会在 floorplanning、placement、routing 中使用启发式或非确定性算法。DRC、LVS、PEX、SPICE 等确定性检查可以审查结果,因此概率性本身不等于不能用,但正确的规格和人工复核仍不可省。
  • 就业争论的重点是经验而不只是人数。一方认为,严格复核依靠亲手构建积累的经验;如果代理完成构建、人只批准,技能会衰退,审查者也可能离开。另一方指出,高级工程师本来就越来越负责指挥和复核,很多人也愿意使用工具,所以先出现的可能是岗位替换和角色变化,而不是所有工作立刻消失。
  • 总体上,这个讨论并非简单支持或反对 AI:自动搜索和操作工具有潜力,但真正进入芯片生产仍要过专有数据、物理制造、规格质量和可追责人工复核这几道关。

这是评论数为106时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

OpenAI和Synopsys计划让AI帮助设计芯片

📰 完整报道: GPT-Synopsys要做什么:OpenAI与Synopsys把AI带进芯片设计

GPT-Synopsys会使用设计软件,帮助工程师设计电脑芯片。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
EDA

帮助人们设计和检查芯片的软件。

GPT-Synopsys

计划中的芯片设计AI。

Hacker News

分享和讨论科技新闻的网站。

💡 一句话总结

  • OpenAI和Synopsys要一起做芯片设计AI。
  • AI会运行工具,读取结果,再尝试修改。
  • Hacker News很关注,但关注不等于正确。

OpenAI(ChatGPT的开发公司)和Synopsys(做半导体设计软件的公司)在2026年9月30日宣布合作。

他们计划开发GPT-Synopsys。EDA是帮助人们设计和检查芯片的软件。工程师可以告诉AI自己的目标。比如让芯片少用电,让它运行更快,或者让电路占用更小的面积。

AI会运行设计工具。它会读取工具给出的结果。然后,它会修改设计并再次尝试。最后,工程师还要检查结果。

两家公司计划提供一个组合服务。服务会包括计算资源、AI模型和软件许可。Synopsys说,客户的设计数据不会用来训练模型。公司还会提供加密、保存期限和权限控制。

但是,这仍然是企业公布的计划。公告没有说明什么时候上线。公告也没有公布测试分数、价格或客户名称。我们还不知道它能不能帮助做出真正的芯片。

Hacker News上的帖子有176个积分和106条评论。这表示很多人注意到了这条消息。它不表示消息一定正确。

接下来要看公开测试和客户使用结果。还要看人们怎样检查AI的工作。

💬 HN 对 GPT-Synopsys 的简单看法

评论者认为,AI 可以帮忙设计芯片,但秘密、工厂、测试和人的判断不会消失。

  • 芯片设计图是重要秘密。一位评论者自述,团队常把仿真和综合放在自己的计算机上,不太愿意交给云端。客户必须相信服务商会保护数据。
  • 设计变便宜,不代表制造也变便宜。一位评论者自述,他们因掩模修改太贵而放弃一个快完成的 ASIC;另一位认为主要原因是供给不够,不是 AI 本身。
  • 在 28–180 nm 的较老制程上,一位评论者自述,试作可能要 4–5 个月,花费从几千美元到几百万美元,取决于样片和晶圆。这些是个人数字,不是核实报价。
  • 形式验证就是检查设计是否遵守规则,但规则或测试本身写错,结果也可能错。根据一位评论者的技术性自述,物理布局本来就要从很多方案中搜索,所以概率型 AI 不一定不能用;最后仍要做确定的检查。
  • 有人担心,如果 AI 负责建造、人只负责检查,人就很难积累检查所需的经验。也有人认为,资深工程师可以负责指挥 AI,并从工具中受益。
  • 所以真正的问题是:AI 能不能安全地保管设计、发现错误,并适应真实工厂的限制。

这是评论数为106时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

会帮忙画芯片设计图的AI

📰 完整报道: GPT-Synopsys要做什么:OpenAI与Synopsys把AI带进芯片设计

GPT-Synopsys是一个帮助设计芯片的AI计划。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
GPT-Synopsys

这个芯片设计AI的名字。

Hacker News

人们讨论科技新闻的地方。

OpenAI是一家做AI的公司。 它开发了ChatGPT。

Synopsys是一家做设计工具的公司。 这些工具帮助人们设计芯片。

两家公司要一起做GPT-Synopsys。 它会使用设计工具。 它会看看结果。 它还会再试一次。 最后由人来检查。

这还是公司的计划。 芯片还没有因此做出来。

Hacker News上有176个积分和106条评论。 这说明很多人看到了新闻。 不说明新闻一定正确。

什么时候能用,还不知道。

💬 用很简单的话说芯片 AI

AI 可能会帮忙,但它不能跳过做芯片最难的部分。

  • 芯片设计图是很重要的秘密。一位评论者自述,很多公司喜欢把它留在自己的电脑里。
  • AI 可能让设计更便宜,可是工厂做出真的芯片仍然要很多钱和时间。一位评论者自述,他们因为工厂改动太贵而放弃了一个快完成的芯片;另一位认为是供应不够。
  • AI 可以试很多办法,但人还要检查规则和做好的芯片。
  • 有人怕 AI 做完全部工作后,人会失去检查它的经验;也有人觉得有经验的工程师可以带着 AI 工作。所以大家争论的是人的工作会怎样改变。

这是评论数为106时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

来源