Circuit Mind obtiene 18,5 millones de dólares en una ronda de financiación Serie A y anuncia 25 millones para el diseño electrónico con IA

Circuit Mind ha anunciado una financiación de 25 millones de dólares para ampliar su plataforma de IA destinada al diseño y la comprobación de circuitos electrónicos. El paquete incluye una ronda de financiación Serie A de 18,5 millones de dólares y una ronda semilla que no se había anunciado anteriormente, con lo que la financiación total de la empresa londinense asciende a 33,4 millones de dólares.

La ronda Serie A estuvo liderada por Norwest, con la participación de los inversores existentes Third Prime, Differential Ventures y Blackhorn Ventures, junto con el nuevo inversor Lightscape VC. Third Prime lideró la ronda semilla. Dave Zilberman, socio general de Norwest, se incorporará al consejo de administración de Circuit Mind.

La financiación coincide con el lanzamiento de AVE, su nuevo Agentic Verification Engine, que comprueba los diseños cotejándolos con las hojas de datos de los componentes y las reglas de ingeniería de cada empresa. Junto con su asistente de diseño ACE, ya existente, aborda dos problemas relacionados: crear un circuito viable y detectar errores antes de que ese circuito se convierta en una placa física.

Automatizar el trabajo entre los requisitos y el esquema

El diseño electrónico implica mucho más que colocar símbolos en una pantalla. Los ingenieros deben seleccionar componentes compatibles, cumplir las restricciones eléctricas, tener en cuenta la disponibilidad de suministro y documentar por qué un diseño satisface sus requisitos. Una discrepancia aparentemente menor puede obligar al equipo a repetir etapas de fabricación y pruebas.

ACE, siglas de Assistant to Circuit Engineers (asistente para ingenieros de circuitos), de Circuit Mind, parte de un diagrama de bloques de hardware. Según el anuncio, genera en cuestión de minutos un esquema, una lista de materiales y análisis complementarios, y permite a los ingenieros comparar opciones optimizadas en función del costo, el tamaño, el consumo energético o la disponibilidad de los componentes.

La documentación del producto de la empresa aporta detalles útiles: las entradas pueden incluir señales, requisitos funcionales, restricciones mecánicas y necesidades de adquisición. Entre los resultados se incluyen esquemas posibles, análisis del factor de forma y de la disponibilidad, y archivos exportables para programas ECAD y bibliotecas de componentes. Los ingenieros pueden especificar las restricciones pertinentes y explorar alternativas.

Esto convierte a ACE en una herramienta para gestionar las compensaciones entre distintas opciones de diseño. Un componente más barato puede aumentar el consumo energético; un encapsulado más pequeño puede complicar la gestión térmica o el abastecimiento. Automatizar la búsqueda puede ofrecer a los ingenieros más opciones para evaluar, sin dejar de responsabilizarlos de los supuestos y los criterios de aceptación.

Por qué Circuit Mind combina la IA con la física

La plataforma combina IA agéntica con un motor de decisión patentado basado en la física, modelos estructurados de componentes electrónicos y contexto de ingeniería específico de cada cliente. Este contexto incluye fabricantes aprobados, componentes preferidos y reglas de diseño. Circuit Mind afirma que la plataforma se integra con las herramientas ECAD, las bibliotecas, los sistemas de gestión del ciclo de vida de los productos y los entornos de ingeniería que los clientes ya utilizan.

Esta propuesta de ingeniería es distinta de pedirle a un chatbot de propósito general que invente un circuito. Un modelo de lenguaje puede ayudar a interpretar información, pero la selección de componentes y conexiones también requiere comprobaciones explícitas de los límites eléctricos y los requisitos de diseño. El enfoque de Circuit Mind consiste en combinar la automatización con una representación estructurada de las capacidades de cada componente.

En su presentación anterior de ACE, la empresa describió cómo generar distintas opciones de esquemas y listas de materiales a partir de un diagrama de bloques, con una optimización que también abarcaba el estado del ciclo de vida, la resiliencia de la cadena de suministro y los fabricantes preferidos. El nuevo anuncio amplía ese planteamiento: pasa de generar un diseño a verificarlo conforme a las prácticas propias de cada empresa.

Esta evolución se suma a otras iniciativas para aplicar la IA a la ingeniería, como el diseño de chips asistido por IA. Se trata de tareas distintas: Circuit Mind trabaja en circuitos electrónicos a nivel de placa, no en la disposición interna de un semiconductor. El éxito en una de ellas no demuestra el rendimiento en la otra.

AVE incorpora un flujo de trabajo de verificación independiente

AVE utiliza agentes de IA para comparar los diseños con las hojas de datos de los componentes y las reglas de diseño de una organización. Circuit Mind afirma que el objetivo es detectar problemas que podrían pasar inadvertidos en las revisiones convencionales de esquemas antes de fabricar un prototipo, reduciendo así la necesidad de fabricar nuevas versiones de la placa.

Es útil separar la generación de la verificación. El equipo debe examinar el diseño propuesto a la luz de sus requisitos, en lugar de dar por sentado que un generador automatizado ya ha resuelto todos los problemas. La verificación también permite a las empresas aplicar de forma coherente los conocimientos institucionales en distintos proyectos.

Sin embargo, el alcance de cada comprobación es importante. Que un esquema supere un conjunto de reglas no significa automáticamente que sea un producto acabado y homologado. La disposición física, las interferencias electromagnéticas, el comportamiento térmico, las tolerancias de fabricación y las condiciones de funcionamiento pueden introducir restricciones adicionales. Por tanto, las afirmaciones de Circuit Mind sobre la precisión demostrable deben entenderse en relación con los modelos, los supuestos y las comprobaciones aplicados.

Qué muestran los resultados comunicados

La empresa afirma que equipos de ingeniería de Emerson, Schneider Electric y empresas de Fortune 5 utilizan su plataforma. En su anuncio, señala que los plazos de diseño pasan de meses a semanas, que los costos de la lista de materiales se reducen un 25 % y que disminuyen las repeticiones de fabricación. Se trata de resultados comunicados por la empresa, no de resultados obtenidos mediante una evaluación comparativa independiente común.

El resumen publicado por Circuit Mind de una evaluación del Laboratorio Nacional de Los Álamos aporta más contexto. Un diseño de microcontrolador de complejidad media llevó cuatro horas y 13 minutos, frente a una referencia manual indicada de entre 60 y 80 horas. Esto incluyó 35 minutos de preparación, ocho minutos de resolución automatizada y aproximadamente tres horas y media de trabajo manual. El mismo resumen describe un diseño de FPGA más complejo en el que aún quedaba una cantidad considerable de trabajo manual porque algunos componentes no eran compatibles durante la evaluación. Estos casos contrastantes muestran por qué no se debe generalizar una única mejora de velocidad a todas las placas.

En el anuncio, un ejecutivo de Schneider Electric afirma que las primeras evaluaciones indican posibles reducciones de más del 90 % en el esfuerzo dedicado a explorar arquitecturas. Esta afirmación es más acotada que sostener que todo el ciclo de desarrollo de hardware se reduce en la misma proporción. La exploración, el diseño detallado, el diseño de placas, las pruebas y la calificación son etapas distintas.

Ampliación de la plataforma y de su presencia en EE. UU.

Fundada por Tomide Adesanmi y Basilio Gentile, Circuit Mind planea utilizar la financiación para ampliar su plataforma a lo largo de todo el ciclo de diseño electrónico, hacer crecer los equipos de ventas, ingeniería y éxito del cliente, y establecer una sede en EE. UU. que atienda a América del Norte.

La prueba práctica será comprobar qué tan bien gestiona el software las excepciones que dificultan los proyectos electrónicos reales: hojas de datos incompletas, requisitos cambiantes, componentes poco conocidos y normas específicas de cada organización. Generar candidatos más rápido es valioso. El mayor beneficio se obtiene cuando los ingenieros pueden examinar las pruebas que respaldan una decisión automatizada y llevar un diseño fiable a la siguiente etapa con menos trabajo repetido.