OpenAI en Synopsys hebben een meerjarenovereenkomst ondertekend om GPT-Synopsys te ontwikkelen, een gespecialiseerd model dat direct kan werken met de elektronica ontwerpautomatiseringstools (EDA) van Synopsys. Het project gaat verder dan het gebruik van een chatbot om RTL-code te genereren of vragen te beantwoorden; het doel is dat AI-agenten ontwerpdoelen ontvangen, EDA-tools uitvoeren, resultaten interpreteren, het ontwerp aanpassen en opnieuw controleren, totdat er resultaten worden bereikt die vervolgens door ingenieurs worden beoordeeld.
De kern van GPT-Synopsys en AI voor chipontwerp in 30 seconden
- OpenAI en Synopsys zullen gedurende meerdere jaren een gespecialiseerd model ontwikkelen voor het ontwerp en de verificatie van halfgeleiders.
- GPT-Synopsys kan Synopsys’ EDA-tools aansturen voor taken zoals optimalisatie van vermogen, prestaties en oppervlakte (PPA).
- Het project concurreert in een markt waar Cadence al agenten aanbiedt die belangrijke fasen in het ontwerpproces automatiseren.
- Google heeft met AlphaChip aangetoond dat machine learning taken zoals floorplanning kan verbeteren.
- GPT-Synopsys bevindt zich nog in ontwikkeling: er zijn geen openbare resultaten die bevestigen dat het ontwerp- of verificatietijden significant zullen worden verkort.
Dit nieuws is belangrijk omdat het laat zien welke kant AI voor hardwareontwerp opgaat. De eerste generatie AI-hulpmiddelen hielp bij het schrijven van code, het opsporen van fouten of het geven van aanbevelingen voor configuraties. De volgende stap is dat AI binnen het ontwerptraject zelf beslissingen neemt en de professionele tools gebruikt om deze beslissingen te testen en te verfijnen.
Die nuance verandert de vergelijking aanzienlijk. Een taalmodel dat gekoppeld is aan een EDA-tool kan fungeren als conversatie-interface. Een gespecialiseerd agent probeert een automatiseringslaag te worden die kan beslissen welke tool te gebruiken, welke parameters aan te passen, resultaten te interpreteren en het volgende experiment te bepalen.
Synopsys bevestigt dat GPT-Synopsys precies voor dat tweede scenario is ontworpen. Het model wordt getraind en gespecificeerd om tools te gebruiken als een ervaren gebruiker, resultaten te interpreteren en ontwerpen herhaaldelijk te optimaliseren.
GPT-Synopsys bouwt voort op bestaande projecten: Synopsys werkt al met agenten
Dit partnerschap betekent niet dat Synopsys nu pas AI in haar tools integreert. Het bedrijf ontwikkelt al een strategie met agenten om verschillende fasen van chipontwerp te automatiseren. In juli kondigde het samen met Microsoft nieuwe autonome EDA-processen aan, beschikbaar voor evaluatie via Microsoft Discovery, eveneens ontwikkeld met betrokkenheid van AMD.
Synopsys meldde toen dat ze tot 40% kortere cyclustijd konden realiseren in bepaalde geautomatiseerde debugflows. Dit betreft echter een specifiek proces en voorlopige resultaten, waardoor deze cijfers niet automatisch op het volledige ontwerptraject van een chip kunnen worden toegepast.
GPT-Synopsys voegt een nieuwe laag toe: een OpenAI-model dat fungeert als een gespecialiseerde ‘brain’ voor het gebruik van Synopsys’ tools. Het akkoord omvat dat OpenAI de EDA-tools licentieert om het model te ontwikkelen, en dat de twee bedrijven samenwerken aan onderzoek, ontwikkeling en commercialisering.
De voorgestelde architectuur integreert daarnaast met Synopsys.ai en Synopsys Autopilot. De service draait op infrastructuur van OpenAI en kan interopereren met systemen van klant-gebruikte agenten.
Het idee is dat een engineer een doel kan stellen, zoals het verbeteren van evenwicht tussen energieverbruik, prestaties en oppervlakte van een bepaald blok, en een deel van de exploratie kan delegeren. Agenten voeren tools uit, analyseren resultaten en passen wijzigingen toe. Het resultaat blijft echter onderworpen aan review door menselijke ingenieurs, wat cruciaal is in een proces waarin een ontwerp dat in simulaties werkt, nog door vele tests moet voordat het in productie gaat.
De onvermijdelijke vergelijking met Cadence
Synopsys opereert niet op onbekend terrein. Concurrent Cadence ontwikkelt al sinds 2026 een architectuur met agenten voor chipontwerp en biedt tools aan die verschillende fasen van het proces automatiseren.
In februari lanceerde Cadence ChipStack AI Super Agent voor digitaal ontwerp en verificatie. Het bedrijf beweert dat hiermee taken zoals het genereren van ontwerpen en testbunken, ontwikkelplannen, regressietests, debugging en probleemoplossing automatisch kunnen worden uitgevoerd, met tot wel tien keer hogere productiviteit in bepaalde taken.
Daarna breidde Cadence deze strategie uit. In april introduceerde het ViraStack voor analoog ontwerp en verificatie, InnoStack voor digitale implementatie en signoff, plus AgentStack als coördinatielaag voor meerdere agenten. Het bedrijf biedt hiermee een volledige architectuur die reikt van RTL en verificatie tot fysieke implementatie en crackout.
Het verschil met GPT-Synopsys zit vooral in de positie van de componenten. Cadence bouwt voort op haar eigen motoren en EDA-tools, terwijl Synopsys stapel haar tools gebruikt samen met een OpenAI-gebaseerd model dat gespecialiseerd is voor die omgeving.
Ook bevestigt Cadence dat haar platform compatibel is met verschillende modellen, waaronder NVIDIA Nemotron en cloudgehoste modellen zoals die van OpenAI. Daardoor gaat de concurrentie niet alleen over wie de beste AI-gedreven tools heeft, maar ook over wie de controle heeft over de agentlaag, welke modellen gebruikt kunnen worden en hoeveel processen binnen elke platformomgeving worden geautomatiseerd.
De weergegeven cijfers dienen vooral om de reikwijdte van de aangekondigde ontwikkelingen te visualiseren, niet als benchmark. Cadence presenteert agents voor RTL, verificatie, analoog ontwerp, implementatie, signoff en andere workflows. GPT-Synopsys bevindt zich nog in de ontwikkelingsfase en de mededelingen richten zich vooral op ontwerp-, verificatie-, PPA-optimalisaties en het gebruik van EDA-tools.
Google heeft al aangetoond dat AI kan doordringen tot de fysieke flow
Een andere voorbeeld is AlphaChip, het systeem ontwikkeld door Google DeepMind voor een zeer specifiek onderdeel van fysiek ontwerp: floorplanning en blokplaatsing.
Google legt uit dat AlphaChip gebruikmaakt van reinforcement learning en een graafneuraal netwerk om relaties tussen componenten te leren en efficiënte verdelingen te zoeken. Het systeem is toegepast bij generaties TPU’s van Google en wordt ook door MediaTek aangepast om chipontwikkeling te versnellen.
AlphaChip bewijst iets anders dan GPT-Synopsys. Het richt zich niet op een brede generalistische engineer die het volledige EDA-proces beheerst. Het is gespecialiseerd in één fase en gebruikt die specialisatie om een zeer specifiek optimalisatieprobleem op te lossen.
GPT-Synopsys heeft een ambitieuzer doel: het inzetten van een ‘boundary’ model als agent dat met meerdere tools kan werken en bredere engineeringdoelen nastreeft. Het grote dilemma is dat een chip niet op één metric wordt beoordeeld. Energieverbruik, prestaties, oppervlakte, timing, signaalintegriteit, betrouwbaarheid, verificatie en fabricageregels hangen allemaal samen.
Cadence licht dit exact toe in haar uitleg over de werking van haar agenten: AI moet niet alleen een antwoord genereren, maar ook beslissen welke acties te ondernemen, die uitvoeren, resultaten bestuderen en opvolgacties bepalen.
De echte uitdaging begint na de demonstratie
Het meest interessante aan GPT-Synopsys zal waarschijnlijk niet de integratie van een model met een EDA-tool zijn – dat bestaat al in verschillende vormen. De vraag is of het systeem betrouwbaar genoeg kan functioneren in lange workflows en onder complexe, onderling verbonden restricties.
Een agent die een ontwerp honderden keren wijzigt, moet de status kunnen bewaren, afhankelijkheden begrijpen en een echte verbetering kunnen onderscheiden van een regressie. Daarnaast moeten alle wijzigingen door de juiste controles gaan. Een door AI gegenereerd resultaat vervangt niet vanzelf verificatie, fysisch ontwerp of signoff-processen.
Ook de rekenkosten zijn belangrijk: het herhaald aanroepen van complexe EDA-tools vereist veel CPU, GPU, geheugen en opslag. Wanneer AI het aantal proefopties verhoogt, kan het aan voordelen in engineeringtijd worden staan dat de infrastructuur harder wordt belast.
Databeveiliging is een andere belangrijke factor. Synopsys beweert dat GPT-Synopsys de cliëntgegevens niet zal gebruiken voor het trainen van het model en dat alle data versleuteld worden opgeslagen en tijdens de overdracht beveiligd blijven. Er worden ook controles voorzien voor databeheer, auditing en toegangsrechten.
Toch blijven belangrijke details voorlopig onbekend: prijs, algemene beschikbaarheid, specifieke modellen, de prestaties in vergelijking met traditionele workflows, het aantal tools dat vanaf lancering wordt aangeboden en onafhankelijke prestaties van klanten.
Daarom moet de vergelijking met Cadence en AlphaChip tot nader order voorzichtig worden gedaan. Cadence beschikt al over commercieel beschikbare producten en heeft resultaten gepubliceerd van bepaalde tools. Google heeft al jaren ervaring met AlphaChip voor specifieke taken. GPT-Synopsys vertegenwoordigt een bredere en potentieel veelzijdigere investering, maar moet nog aantonen in de praktijk hoeveel er van dat concept daadwerkelijk kan worden gerealiseerd.
De samenwerking biedt bovendien een strategische blik voor OpenAI. Het bedrijf gebruikt AI om systemen te verbeteren die nodig zijn voor het uitvoeren van haar eigen modellen en heeft publiekelijk aangegeven te investeren in een architectuur die datascience-infrastructuren, chips, modellen en software verbindt. In augustus 2026 presenteerde het de prestatiecijfers van Jalapeño, haar eerste op maat gemaakte inference-chip.
Het partnerschap met Synopsys past binnen die strategie: als modellen kunnen helpen bij het ontwerpen van betere chips, kunnen die verbeteringen ook ten goede komen aan de hardware waarop toekomstige AI-modellen worden uitgevoerd. Op dit moment is die samenwerking vooral een strategische koers van OpenAI, en geen bewijs dat GPT-Synopsys al chips produceert die in de markt worden gebruikt.
De race naar AI-ondersteund chipontwerp verschuift dus van het gebruik van modellen voor codegeneratie naar systemen die daadwerkelijk tools kunnen aansturen en hun eigen resultaten kunnen evalueren. Synopsys en OpenAI zetten in op een gespecialiseerd model voor deze rol; Cadence bouwt een end-to-end platform van agenten; en Google heeft met AlphaChip aangetoond dat taakgerichte AI waardevol kan zijn. Het echte verschil ontstaat wanneer deze technologieën in staat zijn om ontwerpen onder dezelfde restricties en in dezelfde kwaliteit te voltooien als elk ander chip.
Veelgestelde vragen
Wat is het verschil tussen GPT-Synopsys en een chatbot voor chipontwerp?
GPT-Synopsys is ontworpen om direct met EDA-tools te werken, resultaten te interpreteren en zelf acties uit te voeren. Het beperkt zich niet tot het genereren van tekst of code op basis van een verzoek van de ingenieur.
Heeft Cadence een vergelijkbare technologie?
Ja. Cadence biedt al ChipStack AI Super Agent en andere AI-agenten voor verschillende ontwerp- en verificatiefasen. Daarnaast heeft het de AgentStack coördinatielaag voor meerdere agenten geïntroduceerd.
Gebruikt Google al AI voor chipontwerp?
Ja. Google DeepMind heeft AlphaChip gebruikt voor het genereren van layout en plaatsing van TPU-blokken, en ook andere ontwerpen. Het bereik is meer gespecialiseerd dan dat van GPT-Synopsys.
Is GPT-Synopsys al beschikbaar?
Nog niet als een algemeen verkrijgbaar product volgens de mededeling van 30 september 2026. OpenAI en Synopsys hebben het akkoord ondertekend en melden dat er al eerste technologische projecten met klanten lopen, maar een lanceringsdatum of onafhankelijke prestatieresultaten zijn nog niet bekendgemaakt.