模型不再是被工具调用的插件，它坐进了驾驶位。但物理的账和签字的权，还留在人手里。
9 月 30 日，美国加州圣何塞，Synopsys（新思科技）的年度投资者峰会。CEO 萨辛·加齐（Sassine Ghazi）站在台上，屏幕上只有一页 PPT，核心一行字：GPT-Synopsys。
几天前，OpenAI 联合创始人格雷格·布罗克曼（Greg Brockman）在自己的视频频道里已经说过同样的话。资本市场没等发布会开完，Synopsys 股价一度涨了 7%。
公布的东西不复杂。一份多年期协议，三样东西：OpenAI 向新思支付一笔训练订阅费，用来学怎么用它家的工具；等客户真用上这款产品，两家再按"模型对芯片设计的改善程度"分收入；外加联合市场推广。
数字更直白。同一场峰会上，加齐把公司 2027 财年的营收增长预期从分析师平均的 11.19%（LSEG 数据）抬到了 15%。
但真正值得盯的不是股价，是协议里的角色分配。这一次，AI 不再是 EDA 工具里的一个助手，它成了工具的用户——一个被专门训练出来、会操作工具、会迭代方案的专家用户。
下面用六个问题把这件事拆开：这个"用户"到底是什么身份、模型被训练去做什么、这笔生意凭什么按设计质量分钱、模型能不能自己签字、它是不是孤例，以及那道安全护栏为什么同时是护城河。
要理解它，得先看过去三年 EDA 里的 AI 长什么样。
答案是"助手"。Synopsys 在 2024 年推出 Synopsys.ai Copilot，是业界第一个专为芯片设计做的生成式 AI 助手。它能回答工艺问题、给设计建议、帮你补全流程。
但它有个前提：你得先打开工具，把问题问出来。它活在工具里，是工具调用它。
GPT-Synopsys 的定位换了一头。IT之家把关键句子写得很清楚：这次集成，是要"使模型成为 EDA 工具的原生专家用户"。
用户这个词是全部关键。用户不是被调用的，用户是去操作的人。
具体分工是这样：工程师把设计目标委托给运行工具的智能体；智能体自己去解读结果、动手改、再迭代；最后产出一份可供工程师审核的验证结果。
左边是插件逻辑：工具为主体，AI 被调用。右边是用户逻辑：模型为主体，主动操作工具、反复迭代。方向一换，责任边界也跟着换。
打一个不太精确但好记的比方。以前的 AI 像副驾驶，给你指路；现在它坐进驾驶位自己开，你退到副驾做审查。
但请留意最后一环那几个字——"可供工程师审核"。智能体不会一路开到终点，它把车停在你面前，钥匙交回来。这个细节，后面第五章会展开，也正好是整件事的命门。
从一行代码到一块硅片，中间隔着四十年的工程积累。模型要从一头走到另一头。
起点在代码。相关报道里说，训练工作"从用类似代码的语言描述电路开始"。这正是 RTL 层——用硬件描述语言（Verilog、VHDL 这类）把电路逻辑写成一行行代码。
终点在硅片。报道里的说法是"一直做到在一小块硅片上排布数十亿颗晶体管"。这是物理实现层：逻辑门变成版图，版图变成掩模，掩模变成能开跑的芯片。
中间隔着综合、布局、布线、时序、功耗、面积。这些环节，最后都要落到三个英文缩写上——PPA：功耗（Power）、性能（Performance）、面积（Area）。
PPA 是块硬骨头。三个数字互相拉扯：想跑得快就费电，想省电就慢，想省面积就可能牺牲性能。芯片设计的一大半工作，就是在三者之间来回妥协、反复试探。
让模型学会操作工具，本质就是让它学会做这种权衡。加齐在投资者峰会上说，这本会让工程师"探索更多设计方案，优化 PPA"，从而更快交付更复杂的设计。布罗克曼在视频里的说法更直白：目的就是从设计流程里省下数周乃至数月，把更多芯片推向市场。
软件行业分钱，一般按席位数或者调用量。这次不是。
先看钱往哪流。加齐对路透记者说，OpenAI 会向新思支付一笔训练订阅费，用来学习怎么使用新思的工具。注意方向——是 OpenAI 付钱给 Synopsys，不是反过来。
再看怎么分。等新思的客户用上这款产品，两家按"模型对芯片设计的改善程度"分享收入。
这句话值得停一下。计价的基准不是卖了多少个席位，不是 API 被调用了多少次，而是设计本身有没有变好、好了多少。在软件行业里，这是一个相当激进的口子。它等于把 EDA 公司的收入曲线，部分地拴在了另一家公司的模型迭代速度上。
加齐特意强调了两点。第一，协议在结构上经过专门设计，不会蚕食公司现有业务；第二，因为给客户交付了更高价值，这件事是增量，不是替换。
市场当即给了反馈。股价一度涨 7%。而那份被抬高的预期——2027 财年增长 15%，对照分析师平均的 11.19%——才是更硬的表态。
但别急着鼓掌。那 15% 里，有多少来自 AgentEngineer 这类智能体产品的销售，又有多少来自这条分成条款，财报里现在拆不开。股价是市场的即时判断，判断对不对，得等真金白银的流片结果。
这是整篇协议里最不起眼、却最要紧的一条。
加齐对路透说得很清楚：GPT-Synopsys 完成的工作，仍将由新思采用传统计算方法的工具复核一遍，确认芯片能不能正常工作。模型需要这些约束，来核对物理规律。最高保真度的验证——也就是他们所说的签核（sign-off）、基准真值（ground truth）——仍然必不可少。
为什么这一步省不掉？因为芯片不是软件。软件改错一行代码，明天推个补丁就行；芯片流片一次，几千万美元、几个月，做废了没有回滚键。
这不是空口的安全声明，有实证。OpenAI 自己的 ASIC——代号 Jalapeño。硬件负责人 Richard Ho 在采访里说，从初始 RTL 到流片只用了九个月，而过去的基线是 18 到 24 个月，"我们从零开始，一行代码都没得参考"。
但同一篇采访里，他反复强调另一件事：sign-off 环节走的仍然是标准 EDA 流程，静态时序分析、信号完整性分析，一个都没省。"今天没有真正的替代方案。"
分工的边界，到这里就很清楚了。它不是按"谁更聪明"划的，是按"谁为物理后果负责"划的。模型负责生成和迭代，传统工具负责签字，人负责拍板。
就在协议公布的 48 小时前，Synopsys 自己刚发过一套东西。
9 月 28 日，Synopsys 发布了 AgentEngineer 方案和 Autopilot 平台，号称业界最宽的"长周期智能体"组合，覆盖验证、系统验证、实现、模拟与混合信号设计、制造、仿真分析六个域。英伟达工业与计算工程副总裁 Tim Costa 亲自站台，提到的是 NVIDIA Agent Toolkit、Nemotron 模型和 OpenShell 安全运行时。发布时进行中的合作超过 50 个，通用可用性计划在 2026 年底。
再往前，Cadence 把 ChipStack AI Super Agent 升到了 Level-5 全自主水平，依托自家 EDA 产品组合、NVIDIA Nemotron 大模型与 OpenShell 安全环境，宣称能把验证周期从 5 周压缩到 1 天。
AMD 则走了反方向。它发布的嵌入式开发智能体 AMD Ross，基于开放标准 MCP server 接入自家工具，配一套 AMD 验证过的知识库和专家手写的 agent skill 文件，明确支持所有主流 LLM、IDE 和命令行环境。
三种姿态，不是简单的路线之争。它们回答的是同一个问题：谁来当那个把模型和物理世界连起来的人。Synopsys 的答案是"我来，但我收分成"；Cadence 是"我来，但模型外采"；AMD 是"我不当，谁爱当谁当"。
把安全和生意分开看，会漏掉一半信息。它们其实是一件事。
Synopsys 手里握着 sign-off——那种可以对着晶圆厂数据反复校准的签核权。这不是模型短时间能补上的东西。它来自几十年和代工厂一起积累的工艺模型、寄生参数、设计规则库。模型可以学得很快，但这套"能对物理后果背书"的能力，学不来。
拿它和一个对照看，会更清楚。Architect Labs 展示的 Redwood 走得更远：两个架构师给出规格，AI 自主生成逻辑、生成 RTL、完成验证，还顺手写了固件和驱动，两周做出来，宣称每瓦性能是英伟达 Jetson Orin Nano 的 3.4 倍。
可它没流片。芯片跑在 FPGA 上，那个 3.4 倍是基于三星 8LPP 工艺的推算。
一边握着可以对晶圆厂校准的签核权，一边握着 FPGA 上的纸面数字。OpenAI 选了前者。代价是收入分成，外加一整套数据条款——客户数据不用于训练模型、静态与传输加密、可配置的留存与审计。
所以那道"护栏"从来不只是一条安全声明。它是价格的一部分，是谈判的筹码，也是 Synopsys 在这条赛道上最难被绕开的护城河。谁握着把模型接进物理世界的那一环，谁就有资格收这笔钱。
这句话很实在。至少现在，"设定目标"这部分还留在人手里。
把两个数字放回一起看：15% 的增长预期，7% 的涨幅。前者是管理层画出的目标，后者是市场当场的回应。
有一个问题，眼下谁都答不上来：当模型越来越会操作工具，EDA 公司卖的到底是工具，还是"被模型使用的资格"？
GPT-Synopsys 的答案是——把资格明码标价。训练订阅费，加按设计质量分成。代价是，这家公司的收入曲线，从此有一部分挂在另一家公司的模型迭代节奏上。这笔账划不划算，得等真正流片的芯片出来说话。
但有一件事已经写进协议了：在芯片这一行，AI 现在能省的是工程师的时间，省不掉物理的账。方向盘的归属可以谈，签字笔的归属，暂时没得谈。