KI-gestützte Electronic Design Automation für kundenspezifische Halbleiter

Synopsys hat technische Vereinbarungen mit Amazon und OpenAI getroffen, um agentenbasierte Frameworks der künstlichen Intelligenz in Workflows der Electronic Design Automation (EDA) zu implementieren. Diese Integrationen zielen auf die Entwicklung kundenspezifischer Silizium-Chips (Custom Silicon) für Cloud-Computing-Infrastrukturen und fortschrittliche Logikprozessoren ab.

Industrieller Kontext und Zielanwendungen
Die Halbleiterindustrie benötigt umfangreiche Rechenressourcen, um integrierte Schaltkreise für Hyperscale-Rechenzentren, automobile Steuergeräte und die industrielle Automatisierung abzubilden, zu simulieren und zu verifizieren. Mit zunehmender Transistordichte führen manuelle Verifikation und traditionelle Logiksimulation zu erheblichen operativen Engpässen. Die Bewältigung dieser Komplexität erfordert eine verteilte Recheninfrastruktur und spezialisiertes algorithmisches Routing, was wiederum auf die Zusammenarbeit mehrerer Partner angewiesen ist. Zu den primären Anwendungen dieser Technologie gehören die Datenverarbeitung in Rechenzentren, Hardware für maschinelles Lernen und Edge-Computing-Architekturen, bei denen optimiertes Silizium das Wärmemanagement und die Prozessstabilität direkt verbessert.

Systemarchitektur und technische Verantwortlichkeiten
Das Engineering-Framework operiert auf zwei unterschiedlichen Entwicklungssträngen. In der ersten Integration entwickeln Synopsys und OpenAI ein domänenspezifisches Modell, das auf Workflows im Halbleiterdesign zugeschnitten ist. OpenAI nutzt lizenzierte Hardware-Automatisierungs-Frameworks von Synopsys zur Strukturierung des Modells und bildet dabei modernste KI-Fähigkeiten (Frontier AI) direkt auf Hardwarebeschreibungssprachen und technische Verifikationsparameter ab. Beide Unternehmen teilen sich die Forschungs- und Markteinführungsverantwortung im Rahmen eines gemeinsamen Umsatzmodells.

Bei der parallel verlaufenden Bereitstellung versorgt Synopsys Amazon mit anwendungsoptimiertem Halbleiter-IP (Intellectual Property), Simulationsumgebungen und Software für die Strukturanalyse. Im Gegenzug stützt sich Synopsys auf die Amazon Elastic Compute Cloud (Amazon EC2) und Amazon Bedrock, um seine internen Engineering-Prozesse zu beschleunigen, indem rechenintensive Workloads auf skalierbare Serverknoten verlagert werden.

Infrastrukturintegration und Bereitstellung
Die Bereitstellung umfasst eine kontinuierliche bilaterale Integration zwischen Software- und Hardwareumgebungen. Synopsys optimiert seine Software-Suiten für die native Ausführung auf Amazons maßgeschneiderten Trainium- und Graviton-Prozessorarchitekturen. Durch die Verlagerung von Layout-Routing und Logiksimulationsaufgaben in ein cloudbasiertes Framework erhalten Hardware-Ingenieure die Möglichkeit, Verifikations-Workloads auf Tausende von parallelen Serverinstanzen zu verteilen, anstatt sich auf eingeschränkte lokale physische Hardware verlassen zu müssen.

Erwartete Auswirkungen und Prozessoptimierung
Die Vereinbarung mit Amazon im Wert von über einer Milliarde US-Dollar verlagert den operativen Rahmen in Richtung volumenbasierter Lizenzierungs- und Royalty-Strukturen, die auf dem Produktionsmaßstab basieren. In technischer Hinsicht führt die Integration spezialisierter Modelle in den Hardware-Entwicklungszyklus zu messbaren Durchsatzverbesserungen. Sie automatisiert die Untersuchung physikalischer Entwurfsoptionen und reduziert die Gesamtzahl der Zyklen, die erforderlich sind, um einen verifizierten Silizium-Schaltplan zu erreichen.

„Da unsere Chipdesigns immer komplexer werden und KI den Entwicklungsprozess selbst verändert, hilft uns Synopsys dabei, den gesamten Entwicklungszyklus zu beschleunigen und leistungsfähigere und effizientere Computing-Plattformen bereitzustellen“, erklärte Peter DeSantis, SVP für Foundational AI, Custom Silicon & Quantum Computing bei Amazon.

Greg Brockman, President und Mitbegründer von OpenAI, wies auf den operativen Mechanismus der Partnerschaft hin: „Gemeinsam mit Synopsys übertragen wir diese Arbeit auf das Chipdesign und helfen Ingenieuren dabei, mehr Entwurfsoptionen zu prüfen und schneller zu einem funktionierenden Chip zu gelangen.“

Bearbeitet von Aishwarya Mambet, Induportals-Redakteurin, mit Unterstützung von KI.

www.synopsys.com