Cognichip Mengumpulkan $60M Seri A untuk Membangun Desain Chip di Sekitar AI

Cognichip telah mengumpulkan putaran Seri A sebesar $60 juta yang dipimpin oleh Seligman Ventures, mendorong total pendanaannya menjadi $93 juta dan menandai momentum yang tumbuh di balik kategori baru dalam desain semikonduktor: AI yang diberitahu oleh fisika. Putaran ini menarik partisipasi dari SBI Investment dan pendukung eksisting termasuk Mayfield, Lux Capital, FPV, dan Candou Ventures, dengan semua investor benih meningkatkan posisi mereka.

Pembiayaan ini datang pada saat industri semikonduktor menghadapi keterbatasan struktural. Merancang chip canggih telah menjadi semakin mahal dan memakan waktu, sering memerlukan tahun-tahun dan ratusan juta dolar, menciptakan bottleneck untuk kemajuan AI itu sendiri.

Pergeseran dari Alat Desain Inkremental

Cognichip memposisikan dirinya tidak sebagai alat otomatisasi desain elektronik lainnya, tetapi sebagai pemikiran ulang penuh tentang bagaimana chip dirancang. Di intinya adalah ACI® (Artificial Chip Intelligence) platform.

Menurut Cognichip, ACI adalah model fondasi yang diberitahu oleh fisika yang dibangun khusus untuk desain semikonduktor. Tidak seperti model AI umum, itu mengintegrasikan konstrain fisik, perilaku sirkuit, dan kenyataan manufaktur langsung ke dalam model. Ini memungkinkan untuk beralasan di seluruh siklus pengembangan chip, dari arsitektur ke verifikasi dan produksi.

Perusahaan ini mengklaim bahwa pendekatan ini dapat mengurangi upaya desain hingga 75% dan mempercepat timeline sekitar 50%, secara fundamental mengubah ekonomi pengembangan chip.

Mengapa AI yang Diberitahu oleh Fisika Penting

Desain chip tradisional sangat berurutan, dengan insinyur bergerak langkah demi langkah melalui alur kerja yang kompleks. Pendekatan Cognichip memperkenalkan paralelisme, memungkinkan keputusan desain multiple untuk dijelajahi secara bersamaan.

Ini penting karena chip modern meliputi domain digital, analog, dan mixed-signal, dengan ketergantungan yang tumbuh yang membuat optimisasi semakin sulit. Dengan menyematkan fisika langsung ke dalam model AI, ACI dapat menavigasi trade-off ini dengan cara yang sistem yang didorong oleh data murni tidak dapat.

Hasilnya adalah sistem yang bertindak kurang seperti alat dan lebih seperti kolaborator teknik, mampu memecahkan masalah desain dengan alasan hampir setara dengan desainer.

Veteran Industri Menunjukkan Kepercayaan

Putaran ini juga membawa validasi industri yang berat. Lip-Bu Tan dan Umesh Padval telah bergabung dengan dewan Cognichip, memperkuat pandangan bahwa desain yang didorong AI menjadi prioritas strategis di seluruh ekosistem semikonduktor.

Kedua eksekutif memiliki ikatan yang dalam dengan evolusi infrastruktur desain chip, termasuk peran kepemimpinan di perusahaan yang mendefinisikan generasi sebelumnya dari alat desain dan inovasi silikon. Keterlibatan mereka menunjukkan bahwa industri melihat AI tidak sebagai upgrade inkremental, tetapi sebagai pergeseran fondamental.

Dari Alat ke Infrastruktur

Selama dua tahun terakhir, Cognichip telah fokus membangun apa yang mereka deskripsikan sebagai salah satu dataset terdalam dalam desain semikonduktor, meliputi semua hal dari perilaku tingkat sirkuit hingga konstrain manufaktur.

Lapisan data ini sangat penting. Data desain chip biasanya terfragmentasi di seluruh alat, vendor, dan lingkungan proprietary, membuatnya sulit untuk melatih sistem AI yang umum. Strategi Cognichip adalah untuk mempersatukan dataset ini menjadi sistem yang dikelola yang dapat mendukung pelatihan model besar dan penerapan.

Ini memposisikan ACI sebagai infrastruktur bukan perangkat lunak – lapisan yang dapat duduk di seluruh tumpukan semikonduktor.

Tarikan Perusahaan Awal

Perusahaan ini sudah bekerja dengan lebih dari 30 perusahaan semikonduktor, termasuk banyak pemain teratas di industri. Keterlibatan ini meliputi lingkungan digital, analog, mixed-signal, dan foundry, menunjukkan bahwa platform ini sedang diuji di alur kerja produksi nyata.

Hasil awal dilaporkan menunjukkan pengurangan dalam siklus desain dan biaya sambil mempertahankan standar kinerja dan manufacturability, yang sangat penting untuk adopsi perusahaan.

Salah satu dinamika yang lebih menarik di balik kenaikan Cognichip adalah ketergantungan melingkar antara AI dan perangkat keras. Model AI memerlukan chip yang semakin kuat, tetapi chip tersebut membutuhkan waktu bertahun-tahun untuk dirancang.

Dengan mengompresi timeline desain dari bulan atau tahun menjadi hari, Cognichip berusaha untuk memutuskan loop ini. Jika sukses, ini dapat mempercepat tidak hanya inovasi semikonduktor, tetapi juga seluruh ekosistem AI yang bergantung padanya.

Apa yang Datang Selanjutnya

Cognichip memasuki fase yang berfokus pada penerapan perusahaan, di mana perhatian beralih dari janji teknis ke kinerja konsisten di lingkungan produksi di seluruh industri semikonduktor.

Jika AI yang diberitahu oleh fisika dapat secara andal mengurangi timeline desain dan biaya dalam skala besar, ini dapat mengubah bagaimana organisasi mendekati pengembangan chip, potensialmente menurunkan hambatan untuk silikon kustom dan memperluas partisipasi di luar pemain tradisional.

Lebih luas, ini menunjuk pada pergeseran struktural: desain chip mungkin berkembang dari proses yang sangat spesialis dan intensif sumber daya menjadi disiplin yang lebih dapat diakses dan paralelis, dengan implikasi untuk infrastruktur AI, komputasi awan, dan sistem edge.