핵심 내용
Synopsys와 OpenAI는 9월 30일 반도체 설계 전용 AI 모델 GPT-Synopsys를 공동 개발하는 다년 계약을 발표했다. GPT-Synopsys는 단순히 칩 설계 질문에 답하는 모델이 아니라 Synopsys의 EDA 도구를 직접 사용하고 결과를 해석한 뒤 다시 설계를 수정하는 반복 작업을 수행하도록 최적화될 예정이다.
계약에 따라 OpenAI는 Synopsys EDA 도구를 라이선스해 모델 개발에 사용하고, 두 회사는 R&D와 공동 영업을 진행한다. 서비스가 상용화되면 Synopsys와 OpenAI가 매출을 공유하는 구조도 포함됐다. Synopsys는 초기 기술검증이 일부 주요 반도체 고객과 진행 중이라고 밝혔다.
GPT-Synopsys는 power, performance, area(PPA) 최적화, timing closure, verification 같은 실제 칩 설계 목표를 받아 EDA 도구를 실행하고 결과를 분석하면서 설계를 반복 개선하는 방향으로 개발된다. 모델의 작업결과는 기존 Synopsys의 deterministic sign-off 도구를 통해 다시 검증한다. Synopsys CEO Sassine Ghazi는 실제 물리조건과 제조 가능성을 확인하는 ground-truth 검증은 계속 필수라고 강조했다.
배경
반도체 설계는 RTL 작성부터 합성, 배치·배선, timing, 전력, 검증까지 수많은 반복 최적화를 거친다. 기존 생성형 AI는 엔지니어의 코드 작성이나 문서작업을 보조했지만, 최근 Agent가 실제 EDA tool을 실행할 수 있게 되면서 설계 loop 자체를 자동화하려는 시도가 늘고 있다.
칩 개발 기간이 수년 단위이고 비용이 매우 큰 만큼 설계 iteration을 몇 주만 줄여도 경제적 가치가 크다. 반면 잘못된 설계가 제조까지 넘어가면 손실 규모도 매우 크기 때문에 자연어 기반 Agent만으로 최종 판단을 대체하기 어렵다.
산업·시장에 미치는 영향
EDA 업체의 경쟁력이 도구 기능뿐 아니라 어떤 프런티어 모델이 자사 툴을 가장 잘 사용할 수 있도록 학습되어 있는지로 확대될 수 있다. Synopsys가 OpenAI와 수익을 공유하는 모델을 택하면서 AI 모델이 기존 소프트웨어 라이선스 위에 새로운 사용량 기반 매출계층을 만들 가능성도 있다.
반도체 기업 입장에서는 AI가 설계자를 대체하기보다 탐색 가능한 설계 후보 수를 크게 늘리고 사람이 최종 sign-off하는 형태가 먼저 확산될 가능성이 높다.
실무에서 바로 활용할 수 있는 시사점
설계·엔지니어링 Agent를 도입할 때 생성 결과와 검증기를 반드시 분리하는 패턴이 중요하다. AI가 최적화를 수행하더라도 최종 통과조건은 기존 시뮬레이터, 물리규칙, formal verification 같은 deterministic 도구로 확인해야 한다.
또 학습·실행 과정에서 고객의 proprietary design data가 모델 개선에 사용되는지, retention과 audit 정책이 어떻게 되는지도 계약 단계에서 확인할 필요가 있다.
출처
Synopsys — OpenAI and Synopsys Announce GPT-Synopsys Reuters — Synopsys, OpenAI strike deal to develop AI model for chip design work