OpenAI·Synopsys, 칩 설계 전용 ‘GPT‑Synopsys’ 만든다…EDA를 직접 돌린다
OpenAI와 Synopsys가 반도체 설계에 특화된 모델 ‘GPT‑Synopsys’를 공동 개발합니다. 모델은 Synopsys 전자설계자동화(EDA) 도구를 직접 실행하고 결과를 해석해 전력·성능·면적, 타이밍과 검증 마감을 반복 최적화하도록 설계됩니다. 고객 설계 데이터는 학습에 쓰지 않는다고 밝혔고, 최종 제조 판단은 기존 물리 검증과 엔지니어 검토를 거칩니다. 출시일·가격·성능 수치는 아직 공개되지 않았습니다.
범용 챗봇이 아니라 EDA를 쓰는 설계 에이전트
OpenAI와 Synopsys는 9월 30일 다년 전략 제휴를 발표하고 ‘GPT‑Synopsys’를 공동 개발한다고 밝혔습니다. 목표는 반도체 설명을 읽고 답을 제안하는 조력자를 넘어, 실제 전자설계자동화 도구를 실행하는 특화 모델입니다. OpenAI는 모델 개발을 위해 Synopsys의 검증된 EDA 도구를 라이선스하고 두 회사는 연구개발, 시장 출시와 수익을 함께 나눕니다.
칩 설계는 코드와 비슷한 하드웨어 기술 언어에서 시작해 논리합성, 배치·배선, 타이밍, 전력, 물리 검증으로 이어집니다. 한 지표를 개선하면 다른 지표가 나빠질 수 있어 수많은 반복이 필요합니다. GPT‑Synopsys는 도구의 출력값을 해석하고 다음 설정을 정해 다시 실행하는 폐쇄 루프를 학습하는 방식입니다.
PPA와 타이밍·검증 마감을 연속으로 맡긴다
공식 발표는 엔지니어가 전력·성능·면적(PPA) 목표, 타이밍 마감, 검증 마감 같은 작업을 에이전트에 위임할 수 있다고 설명합니다. 에이전트는 도구를 돌리고 결과를 읽은 뒤 설계를 바꾸며 검증된 결과에 가까워질 때까지 반복합니다. Synopsys.ai와 장기 작업용 Autopilot 플랫폼에도 깊게 통합될 예정입니다.
Reuters는 설계 과정이 수십억 개 트랜지스터의 물리 배치까지 이어지며, 두 회사가 이 반복을 줄여 수주 또는 수개월을 단축하려 한다고 전했습니다. 다만 ‘단축’은 아직 제품 목표입니다. 공정 노드, 설계 규모, 비교 기준과 실패율이 공개되지 않았으므로 실제 생산 프로젝트에서의 시간·비용 절감은 독립 측정이 필요합니다.
생성 결과 위에 물리 검증이라는 안전망
생성형 모델이 그럴듯한 설계를 내놓아도 실리콘은 물리 법칙을 통과해야 합니다. Synopsys CEO Sassine Ghazi는 모델의 결과를 기존 계산 방식의 도구가 다시 확인한다고 Reuters에 설명했습니다. 제조에 넘기기 전 ‘사인오프’와 기준값 검증을 유지해 타이밍 위반, 전력·열 문제, 설계 규칙 오류를 걸러내겠다는 뜻입니다.
따라서 역할 분담은 AI가 후보 탐색과 반복을 넓히고, 결정적 정확도는 검증 엔진과 사람이 책임지는 구조에 가깝습니다. 속도를 얻기 위해 검증을 생략하는 것이 아니라 더 많은 대안을 시도한 뒤 같은 문턱을 통과시키는 접근입니다. 엔지니어는 목표와 제약을 정하고 결과를 승인하는 최종 검토자로 남습니다.
고객 설계 데이터는 학습에 쓰지 않는다
GPT‑Synopsys는 OpenAI가 호스팅하는 인프라에서 실행되고 고객의 에이전트 운영 환경과 연동되도록 설계됩니다. 공식 발표는 고객별 설계 데이터를 모델 학습에 사용하지 않으며 저장·전송 중 암호화, 보존 기간, 감사와 권한 통제를 제공한다고 명시했습니다. 초기 기술 검증에는 주요 반도체 고객들이 참여하고 있습니다.
칩 데이터는 제품 로드맵과 제조 노하우가 응축된 핵심 지식재산입니다. 발표된 통제 외에도 고객은 데이터가 어느 지역과 서비스 경계에서 처리되는지, 로그에 무엇이 남는지, 모델·도구 운영자 중 누가 접근할 수 있는지 확인해야 합니다. 보안 약속이 실제 계약과 감사 보고서에서 어떻게 구현되는지가 도입 속도를 좌우할 전망입니다.
평가 기준은 화려한 데모보다 제조 가능한 결과
사업 구조도 눈에 띕니다. OpenAI가 도구 사용료를 내고, 고객이 서비스를 이용하면 두 회사가 성과에 연동해 수익을 나눕니다. Synopsys는 기존 EDA 매출을 대체하지 않고 더 높은 가치의 공동 서비스를 추가하려 합니다. OpenAI에는 AI를 만드는 칩의 설계 과정 자체를 모델 시장으로 넓히는 거래입니다.
향후 확인할 지표는 첫 고객 제공 시점, 지원하는 공정·도구 범위, 사람이 개입한 횟수, 사인오프 통과율, 설계 기간과 컴퓨팅 비용입니다. 여러 프로젝트에서 기존 자동화와 같은 조건으로 비교해야 효과를 판단할 수 있습니다. 이번 발표가 확실히 보여 준 것은 반도체용 AI 경쟁이 ‘코드 추천’에서 전문 도구를 직접 운용하는 에이전트로 이동하고 있다는 점입니다.
기사가 마음에 드셨다면 하트를 눌러주세요.
기사 읽고, 잠깐 게임 한 판 어떠세요?
공격을 주고받으며 실시간으로 겨루는 AI 블록 대전
미니게임 고르기 ▶