Cognichip lève 60 millions de dollars en série A pour reconstruire la conception de puces autour de l’IA

Cognichip a levé un tour de table de série A de 60 millions de dollars mené par Seligman Ventures, portant son financement total à 93 millions de dollars et signalant une dynamique croissante derrière une nouvelle catégorie de conception de semi-conducteurs : l’IA éclairée par la physique. Le tour de table a attiré la participation de SBI Investment et des investisseurs existants, notamment Mayfield, Lux Capital, FPV et Candou Ventures, avec tous les investisseurs de la phase de démarrage augmentant leurs participations.

Le financement intervient à un moment où l’industrie des semi-conducteurs est confrontée à des limites structurelles. La conception de puces avancées est devenue de plus en plus coûteuse et chronophage, nécessitant souvent des années et des centaines de millions de dollars, créant un goulet d’étranglement pour les progrès de l’IA eux-mêmes.

Un déplacement loin des outils de conception incrémentale

Cognichip se positionne non pas comme un autre outil d’automatisation de la conception électronique, mais comme une réflexion complète de la façon dont les puces sont conçues. Au cœur se trouve sa plate-forme ACI® (Artificial Chip Intelligence).

Selon Cognichip, ACI est un modèle de base éclairé par la physique spécifiquement conçu pour la conception de semi-conducteurs. Contrairement aux modèles d’IA à usage général, il intègre les contraintes physiques, le comportement des circuits et les réalités de fabrication directement dans le modèle. Cela lui permet de raisonner sur l’ensemble du cycle de vie de développement de la puce, de l’architecture à la vérification et à la production.

L’entreprise affirme que cette approche peut réduire les efforts de conception de jusqu’à 75 % et accélérer les délais de mise en œuvre d’environ 50 %, réaménageant fondamentalement l’économie du développement de puces.

Pourquoi l’IA éclairée par la physique est importante

La conception traditionnelle de puces est fortement séquentielle, les ingénieurs passant étape par étape à travers des flux de travail complexes. L’approche de Cognichip introduit la parallélisme, permettant à plusieurs décisions de conception d’être explorées simultanément.

Ceci est important car les puces modernes couvrent les domaines numériques, analogiques et à signal mixte, avec des interdépendances croissantes qui rendent l’optimisation de plus en plus difficile. En intégrant la physique directement dans le modèle d’IA, ACI peut naviguer dans ces compromis de manière que les systèmes purement basés sur les données ne le peuvent pas.

Le résultat est un système qui agit moins comme un outil et plus comme un collaborateur d’ingénierie, capable de résoudre des problèmes de conception avec une logique proche de celle d’un concepteur.

Les vétérans de l’industrie font preuve de confiance

Le tour de table apporte également une validation importante de l’industrie. Lip-Bu Tan et Umesh Padval ont rejoint le conseil d’administration de Cognichip, renforçant l’idée que la conception pilotée par l’IA devient une priorité stratégique dans l’ensemble de l’écosystème des semi-conducteurs.

Les deux dirigeants ont des liens étroits avec l’évolution de l’infrastructure de conception de puces, y compris des rôles de direction dans des entreprises qui ont défini les générations précédentes d’outils de conception et d’innovation en silicium. Leur implication suggère que l’industrie considère l’IA non pas comme une mise à niveau incrémentale, mais comme un changement fondamental.

Des outils à l’infrastructure

Au cours des deux dernières années, Cognichip s’est concentré sur la construction de ce qu’il décrit comme l’un des ensembles de données les plus profonds dans la conception de semi-conducteurs, couvrant tout, des comportements au niveau du circuit aux contraintes de fabrication.

Cette couche de données est critique. Les données de conception de puces sont généralement fragmentées entre les outils, les fournisseurs et les environnements propriétaires, rendant difficile la formation de systèmes d’IA généralisés. La stratégie de Cognichip est d’unifier ces ensembles de données dans un système géré qui peut supporter la formation et le déploiement de modèles à grande échelle.

Ceci positionne ACI comme une infrastructure plutôt que comme un logiciel – une couche qui pourrait s’étendre sur l’ensemble de la pile de semi-conducteurs.

Une traction d’entreprise précoce

L’entreprise travaille déjà avec plus de 30 entreprises de semi-conducteurs, dont de nombreux acteurs majeurs de l’industrie. Ces engagements couvrent les environnements numériques, analogiques, à signal mixte et de fonderie, suggérant que la plate-forme est testée dans des flux de production réels.

Les premiers résultats montrent apparemment des réductions des cycles de conception et des coûts, tout en maintenant les normes de performance et de fabricabilité, qui sont essentielles pour l’adoption par les entreprises.

L’une des dynamiques les plus intéressantes derrière la montée en puissance de Cognichip est la dépendance circulaire entre l’IA et le matériel. Les modèles d’IA nécessitent des puces de plus en plus puissantes, mais ces puces prennent des années à concevoir.

En compressant les délais de conception de mois ou d’années à quelques jours, Cognichip tente de briser cette boucle. Si cela réussit, cela pourrait accélérer non seulement l’innovation dans les semi-conducteurs, mais également l’ensemble de l’écosystème d’IA qui en dépend.

Que se passe-t-il ensuite

Cognichip passe à une phase centrée sur le déploiement d’entreprise, où l’accent est mis sur la performance cohérente dans les environnements de production à travers l’industrie des semi-conducteurs.

Si l’IA éclairée par la physique peut de manière fiable réduire les délais et les coûts de conception à grande échelle, elle pourrait modifier la façon dont les organisations abordent le développement de puces, potentiellement en réduisant les barrières à la silicium personnalisé et en élargissant la participation au-delà des acteurs traditionnels.

Plus largement, cela pointe vers un changement structurel : la conception de puces peut évoluer d’un processus hautement spécialisé et gourmand en ressources vers une discipline plus accessible et parallélisée, avec des implications pour l’infrastructure d’IA, le cloud computing et les systèmes de bord.