Cognichip raccoglie 60 milioni di dollari nella serie A per ricostruire la progettazione dei chip attorno all’AI

Cognichip ha raccolto un round di finanziamento di serie A da $60 milioni guidato da Seligman Ventures, portando il suo finanziamento totale a $93 milioni e segnalando una crescente fiducia in una nuova categoria nella progettazione dei semiconduttori: l’AI basata sulla fisica. Il round ha visto la partecipazione di SBI Investment e di investitori esistenti, tra cui Mayfield, Lux Capital, FPV e Candou Ventures, con tutti gli investitori di seed che aumentano le loro posizioni.

Il finanziamento arriva in un momento in cui l’industria dei semiconduttori sta affrontando limiti strutturali. La progettazione di chip avanzati è diventata sempre più costosa e lunga, spesso richiedendo anni e centinaia di milioni di dollari, creando un collo di bottiglia per il progresso dell’AI stesso.

Un passo indietro dalle strumentazioni di progettazione incrementale

Cognichip si sta posizionando non come un altro strumento di automazione della progettazione elettronica, ma come una completa riprogettazione di come vengono progettati i chip. Al centro c’è la sua piattaforma ACI® (Artificial Chip Intelligence).

Secondo Cognichip, ACI è un modello di fondazione basato sulla fisica progettato specificamente per la progettazione dei semiconduttori. A differenza dei modelli di AI generici, integra direttamente le limitazioni fisiche, il comportamento del circuito e le realtà di produzione nel modello. Ciò consente di ragionare su tutto il ciclo di vita dello sviluppo del chip, dall’architettura alla verifica e alla produzione.

La società afferma che questo approccio può ridurre lo sforzo di progettazione fino al 75% e accelerare i tempi di circa il 50%, ridisegnando fondamentalmente l’economia dello sviluppo dei chip.

Perché l’AI basata sulla fisica è importante

La progettazione tradizionale dei chip è altamente sequenziale, con gli ingegneri che si muovono passo dopo passo attraverso flussi di lavoro complessi. L’approccio di Cognichip introduce il parallelismo, consentendo di esplorare contemporaneamente più decisioni di progettazione.

Questo è importante perché i chip moderni coprono domini digitali, analogici e misti, con dipendenze crescenti che rendono l’ottimizzazione sempre più difficile. Incorporando direttamente la fisica nel modello di AI, ACI può navigare questi compromessi in modi che i sistemi puramente basati sui dati non possono.

Il risultato è un sistema che agisce meno come uno strumento e più come un collaboratore di ingegneria, in grado di risolvere problemi di progettazione con un ragionamento quasi al livello del progettista.

I veterani dell’industria segnalano la fiducia

Il round porta anche una pesante convalida dell’industria. Lip-Bu Tan e Umesh Padval si sono uniti al consiglio di amministrazione di Cognichip, rafforzando la visione che la progettazione guidata dall’AI stia diventando una priorità strategica in tutto l’ecosistema dei semiconduttori.

Entrambi gli esecutivi hanno profondi legami con l’evoluzione dell’infrastruttura di progettazione dei chip, compresi ruoli di leadership in società che hanno definito le precedenti generazioni di strumenti di progettazione e innovazione del silicio. La loro partecipazione suggerisce che l’industria consideri l’AI non come un aggiornamento incrementale, ma come un cambiamento fondamentale.

Dai tool all’infrastruttura

Negli ultimi due anni, Cognichip si è concentrata sulla costruzione di ciò che descrive come uno dei set di dati più profondi nella progettazione dei semiconduttori, coprendo tutto, dal comportamento a livello di circuito alle limitazioni di produzione.

Questo livello di dati è critico. I dati di progettazione dei chip sono normalmente frammentati tra strumenti, fornitori e ambienti proprietari, rendendo difficile addestrare sistemi di AI generalizzati. La strategia di Cognichip è quella di unificare questi set di dati in un sistema gestito che possa supportare l’addestramento e la distribuzione di modelli su larga scala.

Ciò posiziona ACI come infrastruttura piuttosto che come software – un livello che potrebbe estendersi su tutto lo stack dei semiconduttori.

Primi risultati aziendali

La società sta già lavorando con oltre 30 società di semiconduttori, tra cui molti dei principali player del settore. Questi impegni coprono ambienti digitali, analogici, misti e di fondazione, suggerendo che la piattaforma sta essere testata in flussi di lavoro di produzione reali.

I primi risultati mostrano riduzioni nei cicli di progettazione e nei costi, mantenendo allo stesso tempo gli standard di prestazioni e producibilità, che sono critici per l’adozione aziendale.

Una delle dinamiche più interessanti dietro l’ascesa di Cognichip è la dipendenza circolare tra AI e hardware. I modelli di AI richiedono chip sempre più potenti, ma quei chip richiedono anni per essere progettati.

Comprimendo i tempi di progettazione da mesi o anni a potenziali giorni, Cognichip sta cercando di rompere quel ciclo. Se sarà efficace, potrebbe accelerare non solo l’innovazione dei semiconduttori, ma l’intero ecosistema di AI che dipende da esso.

Cosa viene dopo

Cognichip sta entrando in una fase centrata sulla distribuzione aziendale, dove l’attenzione si sposta dalla promessa tecnica alle prestazioni costanti in ambienti di produzione in tutto il settore dei semiconduttori.

Se l’AI basata sulla fisica può ridurre in modo affidabile i tempi di progettazione e i costi su larga scala, potrebbe alterare il modo in cui le organizzazioni affrontano lo sviluppo dei chip, potenzialmente abbassando le barriere per il silicio personalizzato e ampliando la partecipazione oltre i giocatori tradizionali.

Più in generale, questo segnala un cambiamento strutturale: la progettazione dei chip potrebbe evolversi da un processo altamente specializzato e intensivo in risorse a una disciplina più accessibile e parallela, con implicazioni per l’infrastruttura di AI, il cloud computing e i sistemi edge.