오픈AI·시놉시스, GPT로 칩 설계 자동화 도전

시놉시스와 오픈AI가 반도체 설계용 특화 모델을 함께 만들겠다고 발표했습니다. 양사는 미국 현지시간 2026년 9월 30일 전략적 파트너십을 공개하고, 시놉시스 EDA 도구를 직접 다룰 수 있도록 최적화된 모델 GPT-Synopsys를 다년에 걸쳐 공동 개발한다고 밝혔습니다. 이번 계약에는 수익 배분과 공동 시장 진출 협력도 포함되며, 전 세계 고객에게 함께 제공한다는 구상입니다. 칩 설계의 병목으로 꼽히는 전력·성능·면적 최적화와 검증 마감을 에이전트에 위임하는 방식이 핵심입니다.

1. 다년 공동개발과 수익 배분, 무엇을 발표했나

Synopsys 발표에 따르면 이번 파트너십은 미국 샌프란시스코와 서니베일에서 동시에 공개된 확장형 다년 계약입니다. 오픈AI의 프론티어 AI 역량과 시놉시스의 EDA 도구 및 에이전틱 AI 역량을 결합해 반도체 혁신을 가속하겠다는 것이 표면적인 목표입니다. 양사는 GPT-Synopsys라는 전용 모델을 공동 개발하고, 이를 전 세계 고객에게 제공하기 위한 수익 배분 구조와 시장 진출 협력을 병행합니다.

시놉시스의 사씬 가지 사장 겸 최고경영자는 이번 합의가 시놉시스의 첨단 설계 역량과 제조 성공에 필요한 실측 기반 엔지니어링 도구에 대한 접근을 넓힐 것이라고 말했습니다. 그는 점점 더 복잡해지는 칩을 시장에 내놓기 위해 필요한 엄격함과 신뢰를 유지하면서 칩 설계 과정을 획기적으로 가속해야 한다고 강조했습니다. 오픈AI와 함께 프론티어 지능을 칩 설계에 도입해 더 많은 기업이 첨단 실리콘을 개발하고 가속하도록 돕겠다는 설명입니다.

오픈AI의 공동창업자 겸 사장 그렉 브록먼은 AI를 구동하는 시스템을 개선하기 위해 가장 앞선 기술을 쓰고 있다고 밝혔습니다. 그는 시놉시스와의 협력을 통해 그 작업을 칩 설계로 확장하고, 엔지니어가 더 많은 설계를 탐색해 동작하는 칩에 더 빨리 도달하도록 돕겠다고 말했습니다. 더 나은 칩을 만들도록 도와 더 나은 AI를 만들고 더 많은 사람에게 전달하겠다는 것이 그의 설명입니다. 회사 발표 기준 발언의 뉘앙스는 단순한 도구 연동이 아니라 설계 생산성 자체를 끌어올리겠다는 데 있습니다.

2. 범용 모델 연결을 넘어 도구 네이티브 전문가로

보도에 따르면 현재의 에이전틱 AI 방식은 범용 모델을 EDA 도구에 연결해 칩 설계 워크플로를 실행하는 형태입니다. 이번 파트너십이 내세우는 다음 단계는 프론티어 모델 자체를 EDA 도구 사용의 전문가로 만드는 것입니다. 도구를 숙련된 엔지니어처럼 실행하고, 출력 결과를 해석한 뒤, 도구를 이용해 반복적으로 설계를 최적화하도록 학습시킨다는 구상입니다. 이를 통해 엔지니어가 더 많은 설계 대안을 탐색하고 전력과 성능, 면적을 의미하는 PPA를 최적화해 더 정교한 설계를 빠르게 내놓도록 한다는 설명입니다.

GPT-Synopsys는 오픈AI 프론티어 모델과 시놉시스의 EDA 기술·도메인 전문성을 결합해 칩 설계와 검증을 추론하고 시놉시스 도구를 직접 조작하도록 설계됩니다. 엔지니어가 PPA 최적화부터 타이밍과 검증 마감까지 설계 목표를 위임하면, 에이전트가 도구를 실행하고 결과를 해석하며 변경을 구현하고 검증된 결과를 향해 반복하는 흐름입니다. 최종 결과물은 엔지니어 검토를 거쳐 확정되는 구조로 설명됐습니다. 실행 환경은 오픈AI가 호스팅하는 인프라를 쓰고, 고객의 에이전트 하니스 시스템과 상호 운용되도록 하며, Synopsys.ai와 깊이 통합되도록 설계된다는 점도 발표에 포함됐습니다.

이 구조가 중요한 이유는 EDA 워크플로가 단일 프롬프트로 끝나지 않기 때문입니다. 합성과 배치·배선, 타이밍 분석, 물리 검증과 기능 검증이 서로 맞물려 돌아가고, 한 단계의 수정이 다른 단계의 위반을 만들기 때문에 숙련자는 도구 로그를 읽고 원인을 추적하며 제약을 다시 거는 과정을 반복합니다. 회사 발표 기준 GPT-Synopsys의 차별점은 이 반복 고리를 모델 내부의 추론과 도구 호출로 흡수하겠다는 데 있습니다. 아직 성능 수치나 지원 도구 목록, 출시 일정 같은 세부 사항은 이번에 공개된 자료에 포함되지 않았으므로, 후속 발표에서 확인이 필요합니다.

3. 한국 개발자·기업에게 주는 시사점

① 삼성전자·SK 주축 설계 조직의 툴체인 비용 구조가 바뀔 수 있다

국내 대형 반도체 기업과 팹리스, 디자인하우스 대부분은 이미 시놉시스를 포함한 글로벌 EDA 툴체인과 Synopsys.ai 같은 AI 보조 기능에 깊이 의존하고 있습니다. GPT-Synopsys가 OpenAI 호스팅 인프라에서 실행되고 고객 에이전트 하니스와 연동되는 구조라면, 라이선스 비용에 더해 추론 사용료와 데이터 연동 비용이라는 새로운 원가 항목이 생길 가능성이 큽니다. 한국 기업으로서는 PPA 개선 효과가 라이선스와 클라우드 추론 비용 상승을 상쇄하는지 검증할 파일럿 설계가 필요합니다. 특히 첨단 노드에서 마스크 비용이 급증한 상황에서 퍼스트타임라이트 실리콘 달성률이 조금만 올라도 경제성이 달라지므로, 파일럿은 5나노 이하와 성숙 노드를 나눠서 설계 반복 횟수, 타이밍 위반 마감 시간, 검증 커버리지 달성 시간을 같은 기준으로 비교해야 합니다.

② 주니어 엔지니어의 역할과 채용 스펙이 도구 조작에서 검증 중심으로 이동한다

에이전트가 도구를 실행하고 결과를 해석하는 비중이 커지면, 국내 칩 설계 인력 수요는 TCL 스크립트 작성이나 툴 옵션 튜닝 같은 조작 숙련보다 사양 정의, 제약 조건 설정, 결과 검증 같은 상위 역량으로 이동할 가능성이 높습니다. 대학과 기업 교육도 Verilog와 VHDL 문법 암기보다 PPA 트레이드오프 판단, 타이밍 리포트 해석, UVM 기반 검증 계획 수립 같은 실무 검증 능력을 더 요구하게 될 것입니다. 동시에 설계 자산과 PDK, 넷리스트 같은 민감 데이터를 외부 호스팅 인프라에 올릴 때 보안 심사 기준을 새로 만들어야 합니다. 국내 기업은 사내망 격리와 익명화, 로그 보관 정책을 먼저 정비하고, 에이전트가 생성한 변경분을 사람이 승인하는 휴먼인더루프 절차를 테이프아웃 체크리스트에 명문화하는 것이 안전합니다.

우리의 관점: 이번 발표는 EDA에 범용 모델을 붙이는 실험 단계를 넘어, 도구 사용 자체를 학습한 특화 모델 경쟁으로 넘어가는 신호로 읽힙니다. 한국 팹리스와 디자인하우스에는 기회와 리스크가 동시에 옵니다. 소수 정예 팀도 탐색 폭을 넓혀 PPA를 다듬을 수 있지만, 자사 설계 노하우가 프롬프트와 로그 형태로 외부 인프라에 쌓인다면 장기적인 협상력이 약해질 수 있습니다. 따라서 지금 필요한 것은 성급한 전면 도입이 아니라, 대표 블록 1~2개로 에이전트 설계와 기존 흐름을 병행해 품질과 시간을 계측하는 것입니다. 그 데이터가 있어야 가격 협상과 인력 재교육, 보안 정책이라는 세 가지 결정을 함께 내릴 수 있습니다.

※ 위 시사점 섹션은 보도된 사실에 기반한 WhatsUpPick 편집팀의 독자적 분석·전망이며, 특정 제품 도입을 권유하는 것이 아닙니다.

참고 자료

• Synopsys 공식 발표 — GPT-Synopsys 공동 개발과 수익 배분·공동 시장 진출 협력 내용
• OpenAI 뉴스룸 — 오픈AI의 공식 발표와 연구 소식 모음