cognichip 想讓 AI 設計驅動 AI 的晶片，並剛籌得 6000 萬美元試探

目前最先進的矽晶片加速了人工智慧的發展。現在，人工智慧能否反過來幫助晶片產業？Cognichip正在建立一個深度學習模型，與工程師一同工作，協助設計新的電腦晶片。它試圖解決的問題，是產業長期以來面臨的困境：晶片設計極其複雜、成本高昂且耗時。先進晶片從概念到大規模生產通常需要三到五年；單是設計階段就可能耗時兩年，才開始進行物理佈局。考慮到最新一代Nvidia GPU Blackwell包含1040億個電晶體——這是一個極大的挑戰。在開發新晶片的時間內，Cognichip創辦人暨執行長Faraj Aalaei表示，市場可能已經改變，讓所有投資變得毫無價值。Aalaei的目標是將軟體工程師使用的AI工具帶入半導體設計領域。他告訴TechCrunch：「這些系統現在已經智能到足夠，只要指導它們並告訴它們你想要的結果，它們就能產生優美的程式碼。」他表示，該公司的技術可以將晶片開發成本降低超過75%，並將時間線縮短一半以上。該公司去年從隱形模式中浮現，並宣布已獲得由Seligman Ventures領投的6000萬美元新資金，Intel執行長Lip-Bu Tan也有參與，並將加入Cognichip董事會。Seligman合夥人Umesh Padval也會加入董事會。Cognichip自2024年成立以來，總共籌得9300萬美元資金。不過，Cognichip目前還無法指出有任何新晶片是使用其系統設計的，也未公開自9月以來合作的客戶名單。該公司表示，其優勢在於使用自行訓練的模型，基於晶片設計資料，而不是從通用的LLM開始。這需要取得領域專門的訓練資料，這並非易事。與軟體開發者不同，晶片設計師對專利資料的保護非常嚴格，使得通常用來訓練AI程式碼助手的開放原始碼資料庫幾乎無法取得。Cognichip不得不自行建立資料集，包括合成資料，並從合作夥伴那裡取得授權資料。該公司也開發了程序，讓晶片製造商可以在不暴露資料的情況下，安全地在其專屬資料上訓練Cognichip的模型。當專屬資料不可用時，Cognichip則依賴開放原始碼的替代方案。去年一場測試中，Cognichip邀請聖荷西州立大學的電機工程學生在黑客松活動中試用該模型。這些團隊利用該模型設計基於開放原始碼RISC-V晶片架構的CPU——這是一種任何人都可以使用的自由設計。Cognichip正在與現有的龍頭企業如Synopsys和Cadence Design Systems競爭，也與資金充足的創業公司如ChipAgents以及Ricursive競爭。ChipAgents在二月完成了7400萬美元的擴充A輪融資，Ricursive則在一月完成了3億美元的A輪融資。Padval表示，目前投入AI基礎設施的資金潮是他40年投資生涯中所見最大的一次。他說：「如果半導體和硬體處於超級週期，那麼對Cognichip這類公司來說，也是超級週期。」