코그니칩, AI 기반 칩 설계를 위한 6,000만 달러의 시리즈 A 투자 유치

코그니칩은 6,000만 달러의 시리즈 A 투자를 유치하였으며, 이는 총 투자금을 9,300만 달러로 늘리고, 반도체 설계의 새로운 카테고리인 물리학 기반 AI의 성장 동력을 나타내고 있다. 이 투자는 SBI Investment와 기존 투자자들인 메이필드, 럭스 캐피탈, FPV, 칸두 벤처스의 참여로 이루어졌으며, 모든 시드 투자자는 자신의 지분을 증가시켰다.

이 자금은 반도체 산업이 구조적 한계에 직면한 시기에 이루어졌다. 고급 칩을 설계하는 것은 점점 더 비싸지고 시간이 소요되며, 종종 수년과 수백만 달러가 소요되는 병목 현상을 tạo고 있으며, 이는 AI의 진행 자체를 방해하고 있다.

INCREMENTAL DESIGN TOOL에서 벗어나기

코그니칩은 전자 설계 자동화 도구가 아닌 칩 설계의 전체적인 재고조정을 추구하고 있다. 핵심은 ACI(인공 칩 지능) 플랫폼이다.

코그니칩에 따르면, ACI는 반도체 설계를 위한 물리학 기반의 기초 모델이다. 일반적인 목적의 AI 모델과는 달리, 이는 물리적 제약, 회로 동작, 제조 현실을 직접 모델에 통합한다. 이는 칩 개발 라이프사이클 전체에 걸쳐 이유를 제공할 수 있으며, 설계에서 검증 및 생산까지 모든 단계에서 동작한다.

이 접근법은 설계 노력을 최대 75%까지 줄이고 타임라인을 약 50% 줄일 수 있으며, 이는 칩 개발의 경제학을 근본적으로 재정의한다.

물리학 기반 AI의 중요성

전통적인 칩 설계는 순차적이며, 엔지니어가 복잡한 워크플로우를 단계적으로 진행한다. 코그니칩의 접근법은 병렬성을 도입하여 여러 설계 결정이 동시에 탐색될 수 있다.

이는 중요하다. 현대적인 칩은 디지털, 아날로그, 혼합 신호 도메인을 포함하며, 이는 최적화를 점점 더 어려워지게 만든다. 물리학을 직접 AI 모델에 통합함으로써, ACI는 순수한 데이터 주도 시스템이 할 수 없는 방식으로 이러한 트레이드오프를 탐색할 수 있다.

결과적으로, 이는 도구가 아닌 엔지니어링 협력자와 같은 시스템이 되어, 설계 문제를 거의 설계자 수준의推論으로 해결할 수 있다.

산업 베테랑의 확신

이 라운드는 또한 중량급 산업의 확신을 가져온다. 립-부 탄과 우меш 파드발이 코그니칩의 이사회에 합류하여, AI 주도 설계가 반도체 생태계 전반에 걸쳐 전략적인 우선순위가 되고 있음을 강조한다.

두 임원은 모두 칩 설계 인프라의 진화와 관련된 깊은 연관성을 가지고 있으며, 이는 이전 세대의 설계 도구와 실리콘 혁신을 정의한 회사들의 리더십 역할을 포함한다. 이는 산업이 AI를 점진적인 업그레이드가 아닌 근본적인 변화를 것으로 본다는 것을 시사한다.

도구에서 인프라로

過去 2년 동안, 코그니칩은 반도체 설계의 가장 깊은 데이터셋 중 하나를 구축하는 데 집중해 왔으며, 이는 회로 수준의 동작에서 제조 제약에 이르기까지 모든 것을 다룬다.

이 데이터 레이어는 중요하다. 칩 설계 데이터는 일반적으로 도구, 벤더, 및 사유 환경에 걸쳐 분산되어 있으며, 이는 일반화된 AI 시스템을 훈련하기 어렵게 만든다. 코그니칩의 전략은 이러한 데이터셋을 거버넌스 시스템으로 통합하여 대규모 모델 훈련 및 배포를 지원하는 것이다.

이는 ACI를 소프트웨어가 아닌 인프라로 пози션하며, 이는 전체 반도체 스택에 걸쳐 있는 레이어가 될 수 있다.

초기 엔터프라이즈 트랙션

이 회사는 이미 30개 이상의 반도체 회사와 협력하고 있으며, 이는 업계의 주요 플레이어를 포함한다. 이러한 협력은 디지털, 아날로그, 혼합 신호, 및 파운드리 환경을 포함하며, 이는 플랫폼이 실제 생산 워크플로우에서 테스트되고 있음을 시사한다.

초기 결과는 설계 사이클과 비용이 줄어들면서 성능과 제조 가능성 표준이 유지되고 있음을 보고하고 있다. 이는 엔터프라이즈 채택에 중요하다.

코그니칩의 성장背後의 더 흥미로운 역학 중 하나는 하드웨어와 AI 사이의 순환 의존성이다. AI 모델은 점점 더 강력한 칩을 필요로 하지만, 이러한 칩을 설계하는 데에는 수년이 걸린다.

코그니칩은 설계 타임라인을 몇 개월 또는 몇 년에서 며칠로 압축함으로써, 이러한 루프를 끊으려 한다. 만약 성공한다면, 이는 반도체 혁신뿐만 아니라 의존하는 전체 AI 생태계를 가속화할 수 있다.

다음은 무엇인가?

코그니칩은 엔터프라이즈 배포에 중점을 둔 단계로 이동하고 있으며, 여기서焦点은 기술적인 약속에서 일관된 성능으로 이동한다. 이는 반도체 업계 전반에 걸쳐 생산 환경에서 이루어진다.

물리학 기반 AI가 설계 타임라인과 비용을 đáng kể하게 줄일 수 있다면, 이는 조직이 칩 개발에 접근하는 방식을 변경할 수 있으며, 이는 커스텀 실리콘에 대한 장벽을 낮추고 전통적인 플레이어를 넘어서 참여를 확대할 수 있다.

보다广泛하게, 이는 구조적인 변화를 나타낸다. 칩 설계는高度로 전문적인, 자원 집약적인 과정에서 더 접근하기 쉽고 병렬화된 학문으로 진화할 수 있으며, 이는 AI 인프라, 클라우드 컴퓨팅, 및 에지 시스템에 대한 의미를 가진다.