📢 转载信息
原文作者：Tim Fernholz
最先进的硅芯片加速了人工智能的发展。那么，AI 能否回馈这一进程？
Cognichip 目前正在构建一个深度学习模型，旨在协助工程师进行新型计算机芯片的设计。该公司试图解决困扰半导体行业数十年的核心问题：芯片设计过程极其复杂、成本高昂且周期缓慢。 先进芯片从构思到大规模生产通常需要三到五年；仅设计阶段在物理布局开始前就可能耗时长达两年。以 Nvidia 最新的 Blackwell 系列 GPU 为例，它包含了 1040 亿个晶体管——其排列复杂度可想而知。
Cognichip 首席执行官兼创始人 Faraj Aalaei 表示，在研发新芯片所需的漫长时间里，市场环境可能早已发生巨大变化，导致之前的投资付诸东流。Aalaei 的目标是将软件工程师用来提效的 AI 工具引入半导体设计领域。
“这些系统现在已经足够智能，只需引导它们并明确你想要的结果，它们就能生成非常漂亮的代码，”Aalaei 在接受 TechCrunch 采访时表示。
他声称，该公司的技术可以将芯片开发成本降低 75% 以上，并将开发周期缩短一半以上。
该公司去年走出隐身模式，并于本周三宣布获得 6000 万美元的新一轮融资，由 Seligman Ventures 领投。Intel 现任 CEO Lip-Bu Tan 也参与了投资，并将加入 Cognichip 董事会。Seligman 管理合伙人 Umesh Padval 也将加入董事会。自 2024 年成立以来，Cognichip 的融资总额已达 9300 万美元。
尽管如此，Cognichip 目前尚未展示由其系统设计出的实物芯片，也未披露自去年 9 月以来一直合作的客户名单。
该公司表示，其优势在于使用基于芯片设计数据训练的自有模型，而非从通用大语言模型（LLM）起步。这需要获得特定领域的高质量训练数据，绝非易事。与广泛公开源代码的软件开发者不同，芯片设计师对知识产权（IP）高度保密，这使得通常用于训练 AI 编码助手的开源库在这一领域几乎不可用。
Cognichip 不得不开发自己的数据集，包括合成数据，并从合作伙伴处获取授权数据。该公司还开发了相应的程序，允许芯片制造商在不泄露私有数据的情况下，利用其自有数据对 Cognichip 的模型进行安全训练。
在缺乏私有数据的情况下，Cognichip 也利用了开源替代方案。在去年的一次演示中，Cognichip 邀请圣何塞州立大学的电子工程专业学生尝试该模型。参赛团队成功利用该模型设计了基于 RISC-V 开源架构的 CPU——这是一种任何人都可以进行开发构建的自由架构。
目前，Cognichip 正面临来自 Synopsys 和 Cadence Design Systems 等老牌巨头的竞争，同时也面临 ChipAgents 和 Ricursive 等资金雄厚的初创公司的挑战，其中 Ricursive 在 1 月份完成了 3 亿美元的 A 轮融资。
Padval 表示，目前流入 AI 基础设施的资金潮是他从事 40 年投资生涯中所见过的规模最大的一次。
“如果说半导体和硬件正处于超级周期，那么这对像 Cognichip 这样的公司来说也是一个超级周期，”他评价道。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区