NVIDIA investit 2 milliards de dollars dans Synopsys pour intégrer l'IA aux outils de conception de puces

Auteur : Ada, Shenchao TechFlow

San Francisco, centre des congrès de San José, en direct du GTC.

Le scientifique en chef d'NVIDIA, Bill Dally, est assis sur scène face à Jeff Dean de Google. Au milieu de leur conversation, Dally lance un chiffre : « Auparavant, le transfert d'une bibliothèque de cellules standard contenant environ 2 500 à 3 000 cellules nécessitait une équipe de huit ingénieurs pendant environ 10 mois. »

Il a fait une pause.

Il vous suffit maintenant d’une seule carte GPU, pendant une nuit.

Aucun cri d'étonnement ne s'éleva dans la salle, car ceux qui ont compris cette phrase savent ce que cela signifie. Le travail de huit ingénieurs pendant dix mois a été effacé en une nuit par une GPU fabriquée en interne. Dally a également ajouté que les résultats obtenus correspondent, voire surpassent, les conceptions humaines en termes de surface, de consommation d'énergie et de latence.

Le lendemain, les nouvelles ont interprété cela comme « NVIDIA utilise l'IA pour concevoir des GPU ».

Mais la vérité derrière cet événement est bien plus intéressante que ce que laissent supposer les titres d'actualité.

Ce n'est pas une boîte noire qu'NVIDIA utilise en interne, mais plusieurs chaînes d'outils affinées pendant des années.

NB-Cell est un programme basé sur l'apprentissage par renforcement conçu pour effectuer la tâche la plus ardue : la migration de bibliothèques de cellules standard. Prefix RL vise à résoudre le problème de placement des étapes de prévision dans les chaînes de prévision de retenue, un défi de recherche de longue date. Dally a déclaré que les placements générés par ce système sont « quelque chose que les humains n'auraient jamais imaginés », avec une amélioration d'environ 20 à 30 % des indicateurs clés par rapport aux conceptions humaines.

En outre, il y a deux grands modèles internes, Chip Nemo et Bug Nemo. NVIDIA a alimenté ces deux grands modèles avec le code RTL, la documentation d’architecture et les spécifications de conception de chaque GPU de son histoire. Selon la description de Dally, cela revient à distiller vingt ans de mémoire musculaire de NVIDIA, depuis le G80 jusqu’au Blackwell, dans un modèle interne, permettant aux nouveaux arrivants de se connecter directement à l’expertise d’un ingénieur chevronné ayant vingt ans d’expérience.

Alors, « l’IA peut concevoir une GPU » ?

Quite the opposite. Dally's exact words were: "I would love to one day be able to say directly, 'Design me a new GPU,' but we are still far from that step."

NVIDIA n'a pas utilisé l'IA pour concevoir sa GPU. Mais ce qu'elle a fait d'autre rendra l'industrie entière dépendante d'elle à l'avenir.

Le 1er décembre 2025, NVIDIA a investi 2 milliards de dollars dans Synopsys, l'un des trois géants de l'EDA. Les deux parties ont signé un accord de développement conjoint pour intégrer la pile de calcul accéléré de NVIDIA dans l'ensemble du flux de travail EDA de Synopsys, avec une intégration approfondie entre Blackwell et les futurs GPU Rubin et Synopsys.ai.

La position de Synopsys mérite d'être expliquée. Presque tous les processeurs de pointe au monde — les séries Apple M, AMD MI, Google TPU — passent par les chaînes d'outils de Synopsys ou de Cadence pendant leur phase de conception. Ces deux entreprises, associées à Siemens EDA, monopolisent les outils fondamentaux de la conception de puces. Vous pouvez éviter les puces Qualcomm, vous pouvez éviter les lignes de production de TSMC, mais vous ne pouvez pas vous passer de leurs logiciels.

Trois mois après avoir investi dans Synopsys, NVIDIA a impliqué Cadence, Siemens et Dassault, annonçant qu'elles développent toutes des outils de conception de puces pilotés par l'IA sur la base des GPU NVIDIA.

Les données de benchmark publiées par NVIDIA sont impressionnantes : Synopsys PrimeSim est 30 fois plus rapide sur Blackwell, Proteus 20 fois plus rapide, et Sentaurus 12 fois plus rapide sur B200 par rapport au CPU. MediaTek a accéléré Cadence Spectre de 6 fois avec H100. Astera Labs a accéléré la validation de puces de 3,5 fois avec Synopsys + NVIDIA.

Un détail mérite d'être mentionné séparément : la plateforme Millennium M2000 de Cadence est présentée comme « conçue spécifiquement pour le marché EDA, exclusivement basée sur NVIDIA Blackwell ».

Les deux caractères « exclusif » méritent d'être réfléchis. Autrefois, les outils EDA fonctionnaient sur CPU, et Intel, AMD pouvaient tous les utiliser. Désormais, pour utiliser les outils EDA les plus rapides, il faudra acheter des cartes NVIDIA.

La roue de NVIDIA, telle que la comprennent la plupart des gens, fonctionne ainsi : vendre des GPU aux entreprises d'IA, les entreprises d'IA entraînent de grands modèles, ces modèles démontrent l'irremplaçabilité des GPU, et davantage de personnes achètent des GPU.

Cette roue de démultiplication est déjà suffisamment effrayante. Mais il y a encore une couche en dessous.

NVIDIA conçoit ses propres outils pour concevoir la prochaine génération de GPU, créant un écart de génération en efficacité de conception, tout en liant toute la chaîne d'outils EDA de l'industrie à son propre matériel. Les concurrents veulent rattraper leur retard, mais ils doivent même louer leurs outils dans l'écosystème de NVIDIA.

Le rapport financier d'AMD qui a fait plonger son cours boursier cache précisément cette anxiété. Même si NVIDIA et Synopsys affirment officiellement que « l'investissement n'implique aucune obligation d'acheter du matériel NVIDIA », le marché sait bien que les fonctionnalités EDA accélérées sont d'abord déployées sur le matériel NVIDIA, et qu'AMD et Intel ne peuvent compter que sur une « voie d'optimisation pour la plateforme du plus grand concurrent ».

Imaginez qu’un ingénieur d’AMD souhaite un jour concevoir une puce en concurrence avec Blackwell. Il ouvre un outil de Synopsys, qui fonctionne le plus rapidement sur les GPU NVIDIA. Il devra alors soit accepter un cycle de conception deux fois plus long, soit acheter une multitude de cartes NVIDIA pour concevoir une puce destinée à battre NVIDIA.

Les pioches sont encore en vente. Mais la méthode de vente a changé.

到这里，必须给出一组令人清醒的数据。

L'année où NVIDIA a dépassé 70 milliards de dollars de bénéfice net pour l'exercice 2025, les quatre « petits dragons » locaux de GPU — Moore Threads, Musen, Biren et Suanzhen — font la queue devant la fenêtre d'introduction en bourse.

Le prospectus de Moore Threads indique qu'entre 2022 et 2024, l'entreprise a enregistré une perte nette cumulée de 5 milliards de yuans sur trois ans, et une perte supplémentaire de 271 millions de yuans au premier semestre 2025, portant le déficit accumulé non compensé à 1,478 milliard de yuans au 30 juin. La direction de l'entreprise prévoit elle-même qu'elle ne parviendra à un résultat consolidé positif qu'au plus tôt en 2027. Muxi s'en sort un peu mieux, avec une perte cumulée de plus de 3 milliards de yuans sur trois ans. Le pire cas est Biren, qui a enregistré une perte de plus de 6,3 milliards de yuans en trois ans et demi, avec un chiffre d'affaires de seulement 58,9 millions de yuans au premier semestre 2025, soit moins de la moitié du montant de 702 millions de yuans enregistré par Moore Threads sur la même période.

Regardez l'intensité des dépenses en recherche et développement. En 2022, les frais de R&D de Moore Threads représentaient 2422,51 % de leur chiffre d'affaires ; en 2024, ce chiffre reste encore à 309,88 %. Les dépenses annuelles en R&D dépassent trois fois le chiffre d'affaires. Ce n'est pas une gestion d'entreprise, c'est une perfusion pour maintenir la vie, alimentée continuellement par le marché primaire et la fenêtre récemment ouverte sur le marché STAR.

Au niveau des outils, les contraintes sont plus sévères. Selon le prospectus d'introduction en bourse de Huada Jiutian en 2022, ses outils ne prennent en charge que partiellement le processus avancé de 5 nm. Genexcel peut couvrir les nœuds 7 nm / 5 nm / 3 nm, mais ne propose que des outils ponctuels, loin d'offrir un flux de travail complet.

Liu Weiping, fondateur de Huada Jiutian, a déclaré avec franchise : « La prise en charge des processus avancés par les outils EDA nationaux présente encore des lacunes importantes, notamment pour les processus actuels de 7 nm, 5 nm et 3 nm. Actuellement, les outils EDA nationaux peuvent atteindre le niveau de 14 nm ; bien qu'ils maîtrisent la technologie du processus de 7 nm, une synergie à l'échelle de toute la chaîne industrielle est encore nécessaire pour une intégration approfondie avec les applications concrètes. »

Autrement dit, les outils EDA complets pour les processus avancés sont essentiellement inutilisables en Chine. Les entreprises chinoises de GPU utilisent toujours Synopsys et Cadence pour concevoir leurs puces. En 2025, Trump a temporairement annoncé un contrôle à l'export de tous les logiciels critiques ; bien que cette mesure n'ait pas été concrétisée, les outils EDA pour les processus avancés en dessous de 7 nm restent strictement contrôlés. Le moment où les licences seront coupées dépend entièrement d'autrui.

La réaction du marché des capitaux a été suffisamment magique. Le jour de la cotation de Muxi, l'action a clôturé à 829,9 yuans, en hausse de 692,95 % en une seule journée. Après son introduction, le cours de Moore Threads a atteint momentanément la troisième position parmi les actions du marché A, derrière Kweichow Moutai et Cambricon, et certains médias ont estimé, sur la base des cours de l'époque, que sa capitalisation boursière s'élevait à environ 359,5 milliards de yuans.

Le véritable business derrière ces chiffres est que des entreprises qui continuent de dépenser de l'argent sans bénéfice et qui doivent encore compter sur des chaînes d'outils étrangers réglementées pour concevoir des puces sont valorisées sur le marché secondaire comme les successeurs de NVIDIA nationale.

Les outils utilisés par ces entreprises pour concevoir des puces deviennent une partie intégrante de l'écosystème NVIDIA. Le partenariat de 2 milliards de dollars entre NVIDIA et Synopsys, ainsi que l'étiquette « exclusivement basé sur NVIDIA Blackwell » pour Cadence Millennium M2000, font de la course au rattrapage un paradoxe en soi.

Revenir à la discussion sur GTC.

Dally s'est montré très humble tout au long de la présentation. « L'IA est encore bien loin de concevoir des puces toute seule », cette phrase, NVIDIA la répète depuis quatre ou cinq ans. Mais chaque année, son formulation change. Il y a quatre ans, c'était « L'IA peut aider à la conception » ; il y a trois ans, « L'IA peut automatiser certains étapes » ; cette année, « On fait en une nuit le travail de huit personnes pendant dix mois ». Chaque année, un pas en avant, et chaque année, une phrase restant en suspens : « Nous sommes encore très loin de l'objectif final ». Trois ans plus tard, en regardant en arrière, le « très loin » de la précédente étape a été atteint, et un nouveau « très loin » est désormais positionné au-delà de la portée de tous les concurrents.

Ce que NVIDIA a fait au cours des douze derniers mois se résume en réalité à une seule chose : appliquer l’IA aux quelques segments les plus rentables et les mieux protégés de la chaîne de valeur des puces, puis vendre ces outils couche après couche à l’ensemble du secteur.

La conception frontale des puces est prise en charge par des LLM internes comme Chip Nemo ; la migration des bibliothèques de cellules standard et l'optimisation du layout au milieu du processus sont gérés par NB-Cell et Prefix RL ; toute la chaîne d'outils EDA est verrouillée sur les GPU propriétaires grâce à l'investissement de 2 milliards de dollars de Synopsys et à l'exclusivité « basée sur Blackwell » de Cadence ; le calcul de lithographie en production est pris en charge par cuLitho, déjà utilisé par TSMC.

De la conception à la fabrication, NVIDIA a refait chaque étape avec l'IA. Chaque étape mène au même aboutissement : si vous voulez les outils les plus rapides, vous devez acheter une carte NVIDIA.

Pour tous les concurrents qui souhaitent concevoir une puce capable de surpasser Blackwell, la situation la plus gênante s'est déjà produite : les outils EDA nécessaires à la conception de cette puce fonctionnent le plus rapidement sur les GPU NVIDIA ; les bibliothèques d'algorithmes les plus rapides pour le calcul de lithographie sont fournies par NVIDIA ; et la puissance de calcul nécessaire à l'entraînement de l'IA de conception provient également des cartes NVIDIA.

La personne que tu dois battre te loue tous les outils nécessaires pour la battre. Le loyer est payé annuellement et le contrat augmente chaque année.