Synopsys Synopsys Announces AgentEngineer Solutions and Autopilot Platform for Autonomous Engineering
Synopsys today announced its AgentEngineerTM solutions portfolio and AutopilotTM Platform, advancing a fundamental paradigm shift in electronic design automation (EDA): moving beyond AI copilots toward autonomous engineering agents. Following a recent technical briefing with Thomas Andersen, Vice President of AI and Machine Learning at Synopsys, the trajectory of this evolution became clear. The ultimate benchmark is transitioning from engineering assistance to fully autonomous, closed-loop machine execution. Achieving this level of machine autonomy requires navigating four distinct evolutionary phases.
시놉시스(Synopsys)는 오늘 AI 코파일럿을 넘어 자율형 엔지니어링 에이전트로 나아가는 전자 설계 자동화(EDA)의 근본적인 패러다임 전환을 이끄는 AgentEngineer 솔루션 포트폴리오와 Autopilot 플랫폼을 발표했습니다. 시놉시스의 AI 및 머신러닝 부사장인 토마스 안데르센(Thomas Andersen)과의 최근 기술 브리핑 이후, 이러한 진화의 궤적이 명확해졌습니다. 궁극적인 기준점은 엔지니어링 지원에서 완전히 자율적인 폐쇄 루프(closed-loop) 머신 실행으로의 전환입니다. 이 수준의 머신 자율성을 달성하려면 네 가지 서로 다른 진화 단계를 거쳐야 합니다.
What Do “Long-Running” and “Long-Horizon” Actually Mean?
Complex back-end synthesis and physical verification processes routinely span days, if not weeks. Traditional automation breaks down when a tool hits a multi-day compute block because script execution lacks continuity.
복잡한 백엔지 합성 및 물리적 검증 프로세스는 몇 주까지는 아니더라도 일 단위로 소요되는 경우가 다반사입니다. 전통적인 자동화는 스크립트 실행에 연속성이 없기 때문에 도구가 수일 간의 연산 블록에 부딪힐 때 한계에 봉착합니다.
An autonomous agent solves this. It maintains state, monitors background progress asynchronously, and makes contextual decisions across prolonged processing intervals without human intervention. Long-running signifies the structural autonomy of the agent layer. Synopsys AgentEngineer solutions are also classified as long-horizon, meaning they are guided by an engineering objective.
자율형 에이전트는 이를 해결합니다. 에이전트는 상태를 유지하고, 백그라운드 진행 상황을 비동기적으로 모니터링하며, 인간의 개입 없이 오랜 처리 간격에 걸쳐 맥락에 맞는 결정을 내립니다. '장기 실행'은 에이전트 레이어의 구조적 자율성을 의미합니다. 시놉시스의 AgentEngineer 솔루션은 또한 '장기 지평'으로 분류되는데, 이는 엔지니어링 목표에 의해 유도됨을 뜻합니다.
From Fixed Workflows to Reasoning
Instead of hardcoding every single step of a process, engineers can now equip a system with a toolkit of specialized skills and knowledge. AI then reasons through the problem to figure out how to piece those skills together.
엔지니어들은 프로세스의 모든 단계를 일일이 하드코딩하는 대신, 특화된 기술과 지식 툴킷을 시스템에 탑재할 수 있게 되었습니다. 그런 다음 AI가 문제를 추론하여 이러한 기술들을 어떻게 조합할지 파악합니다.
The real shift here is that structural guardrails are moving from being rigid to adaptive. Instead of mapping out every single branch of a workflow ahead of time, the system analyzes the current situation to decide which tools and skills actually fit.
여기서 진정한 변화는 구조적 가이드레일이 경직된 형태에서 적응형 형태로 바뀌고 있다는 점입니다. 워크플로의 모든 분기를 사전에 매핑하는 대신, 시스템이 현재 상황을 분석하여 실제로 어떤 도구와 기술이 적합한지 결정합니다.
This flexibility is a game-changer. For instance, a failed verification check triggers a debugging phase. Debugging then requires looking closely at an entirely different section of the design. That inspection might lead to a quick modification, which immediately demands another verification run.
이러한 유연성은 판도를 바꾸는 요소입니다. 예를 들어, 실패한 검증 확인은 디버깅 단계를 유발합니다. 그런 다음 디버깅은 설계의 전혀 다른 섹션을 면밀히 살펴볼 것을 요구합니다. 그 검사에 이어 즉시 또 다른 검증 실행을 요구하는 신속한 수정이 이루어질 수 있습니다.
A traditional/rigid setup can only automate a fraction of this loop. An agentic workflow, however, evaluates the data and dynamically chooses the next best step.
전통적이고 경직된 설정은 이 루프의 일부분만 자동화할 수 있습니다. 하지만 에이전틱 워크플로는 데이터를 평가하고 동적으로 다음 최적의 단계를 선택합니다.
NVIDIA Provides Important Building Blocks
Synopsys’ latest agentic AI collaboration with NVIDIA, which was announced around DAC, serves as a prime real-world example of this multi-vendor strategy. NVIDIA supplies essential building blocks like agent-creation infrastructure, Nemotron models, NIMs, and OpenShell, all running on top of their accelerated GPU computing hardware. The NVIDIA collaboration is an ecosystem partnership built on a robust technology stack.
DAC(디자인 오토메이션 컨퍼런스) 무렵 발표된 엔비디아와의 최신 에이전틱 AI 협업은 이러한 다중 공급업체 전략의 대표적인 실제 사례입니다. 엔비디아는 가속화된 GPU 컴퓨팅 하드웨어 위에서 실행되는 에이전트 생성 인프라, 네모트론(Nemotron) 모델, NIM, 오픈셸(OpenShell) 같은 필수 빌딩 블록을 제공합니다. 엔비디아와의 협업은 강력한 기술 스택을 기반으로 구축된 에코시스템 파트너십입니다.
The real value of this deep integration lies in marrying AI infrastructure with high-performance engineering workloads. Smart reasoning makes an AI agent more capable, but that agent still needs to spin up simulations, run implementation tools, and weigh the outcomes. When these core engineering workloads run faster, the autonomous system can squeeze in far more design iterations.
이 깊은 통합의 진정한 가치는 AI 인프라와 고성능 엔지니어링 워크로드를 결합하는 데 있습니다. 스마트한 추론은 AI 에이전트를 더 유능하게 만들지만, 에이전트는 여전히 시뮬레이션을 가동하고, 구현 도구를 실행하며, 결과를 비교 형량해야 합니다. 이러한 핵심 엔지니어링 워크로드가 더 빠르게 실행될 때, 자율 시스템은 훨씬 더 많은 설계 반복 작업을 소화할 수 있습니다.
A fully autonomous engineering setup requires both halves of that equation to succeed.
완전한 자율형 엔지니어링 설정을 위해서는 방정식의 양쪽 모두가 성공해야 합니다.
Synopsys Is Not Betting on a Single LLM
The company continuously tests a variety of large language models and tailors its recommendations based on real-world benchmark performance. Synopsys supports top-tier commercial models, as well as open-source alternatives.
시놉시스는 다양한 대형 언어 모델을 지속적으로 테스트하며 실제 벤치마크 성능을 바탕으로 권장 사항을 맞춤화합니다. 시놉시스는 최고 수준의 상용 모델뿐만 아니라 오픈소스 대안들도 지원합니다.
This dual approach is essential for semiconductor clients with strict security or deployment limits. For chipmakers operating in highly secure, air-gapped facilities or on-premises servers, cloud-based models are out of the question. These teams manage their own hardware infrastructure because they cannot risk sending highly sensitive, proprietary chip blueprints to an external cloud. For these specific environments, open-source models are indispensable.
이러한 이원화 접근 방식은 보안이나 배포 제한이 엄격한 반도체 고객들에게 필수적입니다. 고도로 보안이 유지되고 외부와 차단된(air-gapped) 시설이나 온프레미스 서버에서 운영되는 칩 제조사들에게 클라우드 기반 모델은 애초에 고려 대상이 아닙니다. 이 팀들은 민감도가 매우 높은 독점적 칩 설계도를 외부 클라우드에 전송하는 리스크를 감수할 수 없기 때문에 자신들의 하드웨어 인프라를 직접 관리합니다. 이러한 특정 환경에서는 오픈소스 모델이 필수불가결합니다.
Economics also play a massive role in this strategy. When automated agent interactions invoke EDA tools many times for a single project, managing those underlying compute costs becomes a major financial priority.
경제성 또한 이 전략에서 거대한 역할을 합니다. 자동화된 에이전트 상호작용이 단일 프로젝트를 위해 EDA 도구를 여러 번 호출할 때, 그 기저의 컴퓨팅 비용을 관리하는 것은 주요 재무적 우선순위가 됩니다.
Synopsys’ EDA-Specific Advantage
The Synopsys agents call upon the company’s underlying EDA and simulation and analysis engines to pull clean, structured data. This results in better quality of results and lower token cost of the agents relative to the messy alternative of forcing an LLM to guess what is happening through a user interface built for human eyes. By pulling data directly, the system slashes the sheer volume of text it has to feed into the model while delivering a much clearer engineering context.
시놉시스 에이전트는 회사의 기반이 되는 EDA, 시뮬레이션 및 분석 엔진을 호출하여 깨끗하고 구조화된 데이터를 가져옵니다. 이는 인간의 눈에 맞추어 설계된 사용자 인터페이스를 통해 LLM이 무슨 일이 일어나고 있는지 억지로 유추하게 만드는 지저분한 대안에 비해, 더 나은 결과 품질과 낮은 에이전트 토큰 비용을 도출합니다. 시스템이 데이터를 직접 가져옴으로써 모델에 주입해야 하는 방대한 텍스트 양을 대폭 줄이는 동시에 훨씬 더 명확한 엔지니어링 맥락을 전달합니다.
How AgentEngineer Solutions and the Autopilot Platform Work Together
At the center of Synopsys’ strategy are two complementary components: the AgentEngineer portfolio, which provides domain-specific engineering agents, and the Autopilot Platform, which provides the orchestration, memory, context management, and governance required to coordinate those agents across complex workflows.
시놉시스 전략의 중심에는 두 가지 상호 보완적인 구성 요소가 있습니다. 도메인별 엔지니어링 에이전트를 제공하는 AgentEngineer 포트폴리오와, 복잡한 워크플로 전반에 걸쳐 이러한 에이전트들을 조율하는 데 필요한 오케스트레이션, 메모리, 맥락 관리, 거버넌스를 제공하는 Autopilot 플랫폼이 그것입니다.
Based on this framework, the open architecture can be viewed as a tier system:
The foundation: Heavy-duty EDA and CAE tools handle the baseline math and modeling.
The middle layer: Domain-specific AI agents step in, each specializing in unique engineering workflows and tasks.
The command layer: Orchestration features manage these agents, allowing them to collaborate smoothly.
The top layer: A persistent system keeps track of context, memory, and knowledge gained across prior runs.
이 프레임워크를 바탕으로 오픈 아키텍처는 계층 시스템으로 볼 수 있습니다.
- 기반 레이어: 고성능 EDA 및 CAE 도구가 기본 수학 및 모델링을 처리합니다.
- 중간 레이어: 도메인별 AI 에이전트들이 개입하며, 각 에이전트는 고유한 엔지니어링 워크로들과 태스크를 전문으로 합니다.
- 커맨드 레이어: 오케스트레이션 기능이 이러한 에이전트들을 관리하여 원활하게 협업할 수 있도록 합니다.
- 최상위 레이어: 지속적인 시스템이 이전 실행 과정에서 얻은 맥락, 메모리, 지식을 추적합니다.
This open setup gives customers an opportunity to bake in their own secret sauce. Synopsys provides out-of-the-box agents and infrastructure as a launching pad. From there, companies can layer on their own hard-earned engineering knowledge and design methodologies.
이러한 개방형 설정은 고객들이 자신들만의 핵심 노하우(secret sauce)를 녹여낼 기회를 제공합니다. 시놉시스는 기본 발판으로서 즉시 사용 가능한 에이전트와 인프라를 제공합니다. 이를 바탕으로 기업들은 자신들의 피와 땀이 담긴 엔지니어링 지식과 설계 방법론을 얹을 수 있습니다.
By the way, Synopsys isn’t limiting this agentic approach to traditional EDA boundaries; they are scaling it across their Ansys portfolio.
참고로 시놉시스는 이 에이전틱 접근법을 전통적인 EDA 경계에만 국한하지 않고, Ansys 포트폴리오 전반으로 확장하고 있습니다.
Summary
As agentic systems hit their stride, trusted EDA tools will be increasingly critical computational engines providing engineering context, domain expertise, workflow intelligence beneath an autonomous system. The engineer’s new job will be to define the overarching objective, letting the AI handle the direct, tedious manipulation of the software below.
에이전틱 시스템이 본궤도에 오름에 따라, 신뢰할 수 있는 EDA 도구들은 자율 시스템의 기저에서 엔지니어링 맥락, 도메인 전문성, 워크플로 지능을 제공하는 점점 더 핵심적인 컴퓨팅 엔진이 될 것입니다. 엔지니어의 새로운 업무는 총괄적인 목표를 정의하고, AI가 하위 소프트웨어의 직접적이고 지루한 조작을 담당하도록 하는 것이 될 것입니다.
Synopsys isn’t claiming that a fully autonomous design environment will just materialize overnight. Instead, the company has been systematically building and rolling out the prerequisite pieces: standalone task agents, multi-agent workflows, and highly persistent autonomous loops.
시놉시스는 완전히 자율적인 디자인 환경이 하루아침에 툭 튀어나올 것이라고 주장하지 않습니다. 대신 이 회사는 필수 전제 조건인 단독 태스크 에이전트, 멀티 에이전트 워크플로, 고도로 지속되는 자율 루프들을 체계적으로 구축하고 출시해 왔습니다.
Some companies are adopting at a faster pace in the race to capture massive, immediate gains in engineering speed and productivity. Others are taking a cautious approach, experimenting with a single AI element in their existing workflow before expanding further. This staggered, gradual rollout will likely define the near future. With more than 50 engagements underway, Synopsys agentic AI solutions are demonstrating measurable impact.
일부 기업들은 엔지니어링 속도와 생산성에서 막대하고 즉각적인 이득을 선점하기 위한 경쟁 속에서 더 빠른 속도로 이를 채택하고 있습니다. 반면 다른 기업들은 기존 워크플로에 단일 AI 요소를 실험해 본 후 추가로 확장하는 신중한 접근을 취하고 있습니다. 이러한 시차를 둔 점진적 도입이 가까운 미래를 정의할 것입니다. 50건이 넘는 프로젝트가 진행 중인 가운데, 시놉시스의 에이전틱 AI 솔루션은 가시적인 영향을 입증해 보이고 있습니다.
The high-stakes question is just how much of the engineering loop the industry will comfortably hand over to autonomous systems and how quickly.
중요한 과제는 업계가 엔지니어링 루프의 과연 어느 정도를 자율 시스템에 편안하게 넘겨줄 것인지, 그리고 얼마나 빨리 그 전환을 이뤄낼 것인지에 달려 있습니다.
