NVIDIA інвестує $2 млрд у Synopsys для інтеграції ШІ у інструменти проектування чіпів

Автор: Ada, Shenchao TechFlow

Сан-Франциско, конференц-центр Сан-Хосе, GTC на місці.

Головний науковець NVIDIA Біл Даллі сидить на сцені навпроти Джеффа Діна з Google. Під час розмови Даллі кидає цифру: «Раніше для перенесення стандартної бібліотеки з приблизно 2500–3000 комірок потрібна була команда з 8 інженерів, яка працювала близько 10 місяців».

Він зробив паузу.

Зараз достатньо лише однієї GPU-карти, щоб запустити її цілу ніч.

У залі не було ніяких вигуків, бо ті, хто зрозумів це речення, знали, що це означає. Робота восьми інженерів протягом десяти місяців була знищена за одну ніч завдяки власноруч розробленому GPU. Крім того, Даллі додав: результати, отримані на цьому GPU, відповідають або навіть перевищують показники людського дизайну за трьома параметрами — площею, споживанням енергії та затримкою.

На наступний день новини інтерпретували це як «NVIDIA використовує AI для проектування GPU».

Але правда цієї справи набагато цікавіша, ніж виглядає за заголовками новин.

На NVIDIA всередині не працюють чорні ящики, а кілька інструментальних ланцюгів, які вдосконалювалися роками.

NB-Cell — це програма на основі підсиленого навчання, призначена для вирішення найскладнішої задачі — міграції бібліотек стандартних комірок. Prefix RL спрямований на вирішення довгострокової наукової проблеми розміщення етапів попереднього перенесення в ланцюжку попереднього перенесення. Даллі заявив, що розміщення, створене цією системою, «ніколи не прийшло б на думку людині», і що ключові показники покращилися приблизно на 20–30% порівняно з людським дизайном.

Ще два внутрішні LLM — Chip Nemo та Bug Nemo. NVIDIA навчила ці дві великі моделі на RTL-коді, архітектурних документах та технічних специфікаціях кожної GPU в історії компанії. За словами Даллі, це еквівалентно тому, що двадцять років м’язової пам’яті NVIDIA від G80 до Blackwell були витиснені в одну внутрішню модель: новачки, що приєднуються, одразу працюють з досвідченим інженером з двадцятирічним стажем.

Тоді «AI може проектувати GPU»?

Навпаки. Даллі сказав: «Я дуже хочу, щоб одного дня я міг прямо сказати: „Зробіть мені новий GPU“, але ми ще дуже далеко від цього».

NVIDIA не використовувала AI для проектування GPU. Але інша її дія робить її незамінною для всієї галузі у майбутньому.

1 грудня 2025 року NVIDIA інвестувала 2 мільярди доларів США в Synopsys, один із трьох лідерів ринку EDA. Обидві сторони підписали угоду про спільну розробку, щоб інтегрувати прискорену обчислювальну стеку NVIDIA у повний EDA-робочий процес Synopsys, глибоко об’єднавши Blackwell та наступне покоління GPU Rubin із Synopsys.ai.

Позицію Synopsys потрібно пояснити. Майже всі сучасні чіпи, такі як Apple M-series, AMD MI-series та Google TPU, розробляються на інструментах Synopsys або Cadence. Ці дві компанії разом із Siemens EDA монополізували базові інструменти для проектування чіпів. Ви можете не використовувати чіпи Qualcomm або виробничі лінії TSMC, але не можете уникнути програмного забезпечення цих трьох компаній.

Через три місяці після інвестування у Synopsys, NVIDIA привела Cadence, Siemens та Dassault, оголосивши, що всі вони розробляють інструменти для проектування чіпів на основі GPU NVIDIA.

Опубліковані NVIDIA тестові дані виглядають досить вражаюче: Synopsys PrimeSim на Blackwell працює в 30 разів швидше, Proteus — у 20 разів, Sentaurus на B200 — у 12 разів швидше за CPU. MediaTek використовує H100 для прискорення Cadence Spectre у 6 разів. Astera Labs за допомогою Synopsys + NVIDIA прискорює верифікацію чіпів у 3,5 рази.

Одна деталь варта окремої уваги: платформа Cadence Millennium M2000 позначена як «створена виключно для ринку EDA, на основі NVIDIA Blackwell».

Слова «виключно» варто найбільше оцінити. Раніше EDA-інструменти працювали на CPU, і Intel, AMD могли їх використовувати. У майбутньому, щоб використовувати найшвидші EDA, доведеться купувати карти NVIDIA.

Віртуальний колесо NVIDIA, як його розуміють більшість людей: продаж GPU компаніям зі штучним інтелектом, навчання цими компаніями великих моделей, підтвердження незамінності GPU, і збільшення кількості покупців GPU.

Цей маховик уже достатньо жахливий. Але під ним ще один шар.

NVIDIA використовує власні інструменти для розробки наступного покоління GPU, що створює різницю в ефективності дизайну між поколіннями, а також зв’язує всю галузеву ланцюжку інструментів EDA зі своїм апаратним забезпеченням. Конкуренти хочуть наздогнати, але навіть інструменти для цього їм доводиться орендувати в екосистемі NVIDIA.

Ця тривога й є тим, що стоїть за фінансовим звітом AMD, який призвів до падіння цін на акції. Навіть якщо NVIDIA та Synopsys формально кажуть, що інвестиції не передбачають обов’язку купівлі обладнання NVIDIA, ринок добре розуміє: нові функції EDA з прискоренням спочатку з’являються саме на обладнанні NVIDIA, а AMD та Intel змушені залежати від шляху «оптимізації для платформи найбільшого конкурента».

Уявіть, що інженери AMD згодом захочуть розробити чіп, що конкурує з Blackwell. Вони відкривають інструмент Synopsys, який працює найшвидше на GPU від NVIDIA. Тоді їм або доведеться терпіти подвоєний час розробки, або купувати купу карток NVIDIA, щоб розробити чіп, який має перемогти NVIDIA.

Лопати ще продаються. Але спосіб продажу змінився.

На цьому місці необхідно навести серію цифр, що повертають до дійсності.

У той самий рік, коли NVIDIA досягла чистого прибутку понад 70 мільярдів доларів США у фінансовому році 2025, китайські GPU-розробники «чотири малі» — Moore Threads, Musen, Biren та Suteng — вишикувалися в чергу перед вікном IPO.

Згідно з проспектом Moore Threads, за період з 2022 по 2024 рік три роки поспіль накопичений чистий збиток склав 5 млрд юанів, а за першу половину 2025 року збиток ще склав 271 млн юанів; станом на 30 червня накопичений непокритий збиток становить 1,478 млрд юанів. Самі керівники компанії очікують, що прибутковість консолідованої фінансової звітності може бути досягнута найраніше у 2027 році. Muxi трохи краще — за три роки накопичений збиток перевищив 3 млрд юанів. Найгірше справи у Bilian: за три з половиною роки збиток перевищив 6,3 млрд юанів, а доходи за першу половину 2025 року склали лише 58,9 млн юанів — менше, ніж десята частина виручки Moore Threads за той самий період — 702 млн юанів.

Зверніть увагу на інтенсивність інвестицій у дослідження та розробки. У 2022 році витрати на дослідження та розробки Moore Threads становили 2422,51% від доходів, а в 2024 році вони все ще складали 309,88%. У рік витрати на дослідження та розробки перевищували дохід більше ніж у три рази. Це не бізнес-діяльність, а внутрішнє введення рідини для підтримки життєдіяльності, що триває завдяки інвестиціям з ринку першого етапу та недавньо відкритому вікну для лістингу на науково-технічній платформі.

На рівні інструментів виникає більше обмежень. Згідно з проспектом IPO Huada Jiutian за 2022 рік, їхні інструменти підтримують лише частину передових технологій 5 нм. Compose Electronics може охопити вузли 7 нм/5 нм/3 нм, але пропонує лише окремі інструменти, і далеко не повний цикл.

Засновник Huada Jiutian Лю Вейпін сказав дуже відверто: «Вітчизняні EDA-інструменти все ще значно відстають у підтримці передових технологічних процесів, зокрема сучасних 7 нм, 5 нм і 3 нм. Наразі вітчизняні EDA-інструменти досягли рівня 14 нм; хоча технологія 7 нм вже освоєна, її глибоке інтегрування з реальними застосуваннями вимагає спільних зусиль усього ланцюжка постачання.»

Тобто, повний цикл EDA для передових технологічних процесів в країні майже непридатний. Китайські компанії, що розробляють GPU, все ще використовують Synopsys і Cadence. У 2025 році Трамп оголосив про введення експортного контролю на всі ключові програми, хоча це не було реалізовано на практиці, але інструменти EDA для передових технологічних процесів нижче 7 нм залишаються під суворим контролем. Коли буде відключений ліцензійний доступ — це залежить від інших.

Реакція ринку капіталів була достатньо магічною. У день входу на ринок Musi X, ціна акцій закрилася на рівні 829,9 юаня, зростаючи на 692,95% за один день. Після входу на ринок, акції Moore Threads піднялися до третього місця серед акцій A-ринку, поступаючись лише Kweichow Moutai та Cambricon, згідно з оцінками ЗМІ на той момент, їхня загальна ринкова капіталізація становила близько 359,5 мільярда юанів.

Справжній бізнес за цифрами полягає в тому, що компанії, які все ще втрачають гроші і залежать від заборонених іноземних інструментів для розробки чіпів, на вторинному ринку оцінюються як наступники китайської NVIDIA.

І інструменти, які ці компанії використовують для проектування чіпів, стають частиною екосистеми NVIDIA. 2 мільярди доларів США, зв’язані між NVIDIA та Synopsys, та мітка Cadence Millennium M2000 «виключно на базі NVIDIA Blackwell» роблять саму спробу наздогнати парадоксом.

Повернемося до розмови про GTC.

Dally виступав дуже скромно. «AI ще далеко не здатний самостійно проектувати чіпи» — це Nvidia говорить вже чотири-п’ять років. Але щороку формулювання змінюється. Чотири роки тому було: «AI може допомагати у проектуванні», три роки тому: «AI може автоматизувати певні етапи», а цього року: «за одну ніч виконує роботу восьми людей протягом десяти місяців». Щороку — крок вперед, щороку — фраза: «До кінцевої мети ще дуже далеко». Через три роки, дивлячись назад, виявляється, що попереднє «дуже далеко» вже досягнуто, а нове «дуже далеко» визначено на позиції, яку ще не можуть досягти всі конкуренти.

За останні дванадцять місяців NVIDIA зробила насправді лише одне: застосувала AI до найцінніших та найбільш захищених етапів ланцюжка виробництва чіпів, а потім поступово продавала ці інструменти всьому галузі.

Фронтенд проектування чіпів було передано внутрішній LLM Chip Nemo; міграція бібліотек стандартних комірок та оптимізація макетів на середньому етапі проектування — NB-Cell і Prefix RL; вся ланцюжка EDA інструментів зв’язана з власними GPU через 2 мільярди доларів Synopsys і «виключну підтримку на базі Blackwell» від Cadence; обчислення для літографії на виробничому етапі — cuLitho, яким вже користується TSMC.

Від дизайну до виробництва кожен етап NVIDIA був перероблений за допомогою ШІ. Кожен етап призводить до однієї й тієї ж мети: якщо ви хочете найшвидший інструмент, вам потрібно купити карту NVIDIA.

Для всіх, хто хоче створити чіп, здатний перемогти Blackwell, вже відбулося найбільш соромливе подія: EDA-інструменти, необхідні для проектування цього чіпа, працюють найшвидше на GPU від NVIDIA; алгоритми для літографічних обчислень, необхідні для виробництва цього чіпа, надані NVIDIA; а обчислювальні ресурси для навчання AI, що використовується в проектуванні, також надаються картками NVIDIA.

Той, кого ти маєш перемогти, здає тобі всі інструменти, необхідні для його перемоги. Оренда сплачується щороку, а контракт щороку підорожчує.