共计 1734 个字符，预计需要花费 5 分钟才能阅读完成。
Cognichip wants AI to design the chips that power AI, and just raised $60M to try
The firm says it can reduce the cost of chip development by more than 75% and cut the ti…
AI 正在加速芯片的演进, 而如今,一家初创公司希望让 AI 反过来设计下一代 AI 芯片本身。Cognichip 近日宣布完成 6000 万美元新一轮融资, 其核心愿景是利用人工智能大幅提升芯片设计的效率与敏捷性。
📌 芯片设计的传统困境
半导体行业长期以来面临一个根本性挑战: 芯片设计极其复杂、成本高昂且周期漫长。一颗先进芯片从概念到量产往往需要三到五年时间, 仅设计阶段就可能耗时两年以上。以英伟达最新的 Blackwell GPU 为例, 其内部集成了 1040 亿个晶体管——如此庞大的规模使得人工布局与优化变得异常艰巨。
Cognichip 创始人兼 CEO Faraj Aalaei 指出, 在漫长的开发周期中, 市场需求和技术趋势可能早已发生变化, 导致巨额投入面临风险。他的目标是将软件工程领域已普及的 AI 辅助工具引入芯片设计领域, 让系统能够理解工程师的意图, 并自动生成高质量的设计方案。
“这些系统已经足够智能, 你只需告诉它你想要的结果, 它就能生成出色的代码。”Aalaei 如此描述其技术潜力。
🔍 技术路径与数据挑战
Cognichip 并未基于通用大语言模型 (LLM) 构建, 而是选择训练专用于芯片设计的深度学习模型。这带来了独特的数据挑战: 与软件开源代码的丰富生态不同, 芯片设计涉及高度敏感的知识产权, 相关数据通常被企业严密保护, 难以获取。
为此,Cognichip 采取了多管齐下的策略:
- 自主构建数据集, 包括生成合成数据;
- 从合作伙伴处授权获取领域数据;
- 开发安全流程, 允许芯片制造商在本地使用自有数据训练模型, 无需泄露核心 IP;
- 在缺乏专有数据的场景下, 依托开源架构 (如 RISC-V) 进行演示与验证。
去年, 该公司曾邀请圣何塞州立大学的电气工程学生参与黑客松,使用其模型基于 RISC-V 架构设计 CPU, 初步验证了工具在开源环境下的可行性。
💡 融资详情与竞争格局
本轮 6000 万美元融资由 Seligman Ventures 领投, 英特尔 CEO Lip-Bu Tan 等知名人士参与。Tan 将加入 Cognichip 董事会,Seligman 的管理合伙人 Umesh Padval 也将入驻。自 2024 年成立以来,Cognichip 总融资额已达 9300 万美元。
尽管资金到位,Cognichip 尚未公开披露由其系统设计的芯片成品, 也未公布自去年 9 月以来合作客户的具体信息。该公司目前处于早期验证阶段, 其实际效能仍有待市场检验。
在竞争层面,Cognichip 将面对传统 EDA(电子设计自动化)巨头如 Synopsys、Cadence, 以及同样获得高额融资的初创企业, 例如 ChipAgents(2 月完成 7400 万美元 A+ 轮融资)和 Ricursive 等。这些对手也在探索 AI 驱动的设计自动化, 行业竞赛已然升温。
📊 潜在影响与行业看点
如果 Cognichip 的技术能够实现其宣称的目标——将芯片开发成本降低 75% 以上、时间缩短一半以上, 可能对半导体行业产生深远影响:
- 降低创新门槛: 中小型公司和初创团队将有机会以更低成本尝试定制化芯片设计, 推动更多专用加速器 (如 AI、汽车、物联网芯片) 的涌现;
- 加快迭代速度: 更短的设计周期有助于企业更快响应技术变革, 减少因市场变化导致的研发浪费;
- 优化人力资源: AI 辅助工具可减轻工程师在重复性、高复杂度任务上的负担, 让其更专注于架构创新与系统优化。
不过, 这项技术也面临若干关键考验: 数据安全与 IP 保护机制能否获得客户信任、模型在尖端制程 (如 2nm 以下) 上的实际表现、以及与传统设计流程的整合难度等。
🚀 总结
Cognichip 的尝试标志着“AI 设计 AI 硬件”正从概念走向实践。在算力需求持续爆发、芯片设计复杂度不断提升的背景下, 通过人工智能提升设计自动化水平已成为行业的重要探索方向。尽管前路仍有技术验证与商业化挑战, 但该领域已吸引显著资本与人才投入, 未来几年或将成为重塑半导体研发模式的关键变量之一。
