ChipAgents utvider Serie A til 134 millioner dollar mens AI-agenter går dyptere inn i halvlederdesign

ChipAgents har sikret ytterligere 60 millioner dollar i Serie A2-finansiering, og utvider dermed sin Serie A-runde til 134 millioner dollar, mens halvlederselskaper utforsker hvordan autonome AI-agenter kan forkorte krevende chipdesign- og verifiseringscykler.

B Capital har gått med i finansieringen som en ny investor, sammen med eksisterende investorer Bessemer Venture Partners, Micron, MediaTek, Ericsson (ERIC ), ScOp Venture Capital og andre. Den nye kapitalen kommer seks måneder etter den opprinnelige lukningen av selskapets Serie A, og følger en seksdobling av årlig gjentakende inntekt under første halvår 2026.

ChipAgents sier at deres teknologi nå er deployert i over 120 halvlederselskaper, inkludert Micron og MediaTek. Selskapet planlegger å bruke finansieringen til å utvide kundedeployeringer, ansette i ingeniør- og markedsføringslag, og akselerere utviklingen av sin AI-naturlige halvlederdesignplattform.

Beveger seg fra AI-kopiloter til autonome ingeniørarbeidsflyter

ChipAgents tar sikte på et betraktelig mer spesialisert problem enn generiske AI-kodingverktøy.

Halvlederutvikling innebærer sammenkoblede arbeidsflyter som omfatter arkitektur, spesifikasjoner, register-overføringsnivåkode, verifiseringmiljøer, simuleringsmiljøer, dekninganalyse, bølgeformer, formell verifisering, feilsøking, effektoptimalisering, tid og designavslutning. En feil som oppdages sent i denne prosessen kan forsinke et prosjekt og skape betydelige ekstra ingeniørkostnader.

Selskapets plattform bruker domenespesifikke agenter som kan tolke spesifikasjoner og kode, generere produksjonsorientert register-overføringsnivå og verifiseringsegenskaper, og utføre automatisert årsakanalyse. Deres produkt inkluderer miljøer for design, verifisering, dekning og feilsøking, samt en kommandolinje-grensesnitt og prosjektarbeidsområde.

I stedet for bare å foreslå neste kodeLinje, er ChipAgents’ agenter designet til å planlegge og fullføre flertrinnsoppgaver. Dette representerer skillet mellom en AI-assistent som støtter en ingeniør og et autonome system som kan utføre meningsfulle deler av en ingeniørarbeidsflyt.

Plattformen er også designet til å fungere sammen med eksisterende elektronisk designautomatiseringsverktøy og utviklingsmiljøer. Denne integreringsstrategien er viktig fordi halvlederselskaper er lite sannsynlig å erstatte simulerings-, syntese-, verifiserings- og signoff-systemene som deres produksjonsprosesser allerede avhenger av.

Hvorfor verifisering er et naturlig mål for agentisk AI

Verifisering er spesielt godt egnet for spesialiserte AI-agenter fordi mange handlinger produserer målbare tilbakemeldinger.

Generert kode kan kompileres, påstander kan testes, simuleringsmiljøer kan kjøres, og funksjonell eller kode-dekning kan beregnes. Disse signalene tillater en agent å vurdere om en foreslått endring forbedret designet, i stedet for å avhenge helt av subjektive vurderinger.

Verifisering krever også resonnering over spesifikasjoner, testbencher, logger, kode og bølgeformdata. Når en simuleringsfeil oppstår, kan ingeniører måtte søke gjennom store volumer av hårdvarbeskrivelsesspråk og bølgeformdata for å bestemme om problemet oppstod i designet, testbench, spesifikasjon eller omgivelsessystem.

ChipAgents har utviklet et årsakanalyse-system som undersøker designfiler, testbencher, feillogger og bølgeformer. Deres arkitektur tillater flere agenter å undersøke potensielle forklaringer parallelt, støttet av bølgeformanalyse og verifiseringsprosesser som tester hypoteser før de presenterer et resultat.

Dette er en mer begrenset og verifiserbar bruk av agentisk AI enn å be en generell chatbot om å produsere en hel chip-design fra en prompt. Agentene opererer innen etablerte ingeniørprosesser hvor deres utgang kan testes mot deterministiske verktøy og målbare designkrav.

Kundedannelsens vekst styrker finansieringshistorien

ChipAgents’ økende kundebase synes å være en av de viktigste faktorene bak den ekstra finansieringen.

Selskapet rapporterte nylig at Whalechip brukte deres plattform under et system-på-chip-feilsøkingsprosjekt. Ifølge ChipAgents, identifiserte deres årsakanalyseteknologi fire kritiske feil og reduserte enkeltanalyserunder fra dager til mellom 15 og 60 minutter, og hjalp kunden unngå opptil to ukers potensielle utviklingsforsinkelser.

Ambiq, en utvikler av ultra-lav-effekt-halvledere for batteridrevne kantedevice, har også utvidet bruken av plattformen over flere ingeniørteam etter en vurdering av teknologien. Deployeringen omfatter halvlederdesign- og verifiseringsarbeidsflyter, hvilket tyder på at ChipAgents går fra begrensede prøver til bredere produksjonsbruk.

ChipAgents har også sluttet seg til Amazon Web Services Partner Network og fullført en SOC 2 Type II-attestasjon. Disse stegene kan hjelpe med å imøtekomme infrastruktur-, sikkerhets- og styringskravene til halvlederorganisasjoner som arbeider med følsomme immaterielle rettigheter.

Disse utviklingene eliminerer ikke behovet for ingeniører eller konvensjonelle verifiseringverktøy. I stedet tyder de på at autonome agenter kan få fotfeste ved å fjerne repetitivt etterforskningsarbeid, generere verifiseringsressurser, prioritere tilbakeslag, og hjelpe ingeniører med å nå designavslutning raskere.

En større innsats på AI-naturlig halvlederdesign

Den utvidede runden reflekterer en bredere investeringstese: stadig mer komplekse chip krever en tilsvarende økning i ingeniørkapasitet, men halvleder-ekspertise kan ikke skaleres like raskt som datatilgjengelighet.

Chipdesigner blir vanskeligere å verifisere ettersom transistorantall øker, arkitekturer blir mer heterogene, og utviklingsteam arbeider over spesifikasjoner, register-overføringsnivåkode, formelle verktøy, simuleringsmiljøer, begrensninger, dekningmodeller og fysisk designkrav.

ChipAgents argumenterer for at domenespesifikke AI-agenter kan absorbere deler av denne arbeidsbelastningen uten å kreve at selskaper erstatter verktøyene og metodene de allerede bruker.

Selskapet ble grunnlagt i 2024 av William Wang, en kunstig intelligens-forsker og professor tilknyttet University of California, Santa Barbara. Deres tekniske tilnærming kombinerer spesialiserte modeller, multi-agent-koordinering, halvlederdesignkontekst og tilbakemelding fra verifiseringsystemer, i stedet for å avhenge bare av et generelt formål stort språkmodell.

Den siste finansieringen gir ChipAgents ytterligere ressurser til å demonstrere at denne tilnærmingen kan skaleres over forskjellige chip-arkitekturer, elektronisk designautomatiseringsmiljøer, utviklingsmetoder og ingeniørorganisasjoner.

Neste test for agentisk AI i chipdesign

Agentisk AI i halvlederutvikling vil til slutt bli bedømt etter nøyaktighet, reproducerbarhet, sikkerhet og evnen til å fungere innen etablerte signoff-prosesser. Raskere kodegenerering alene er ikke nok når en uoppdaget feil kan kompromittere en dyrekjøpt tapeout.

Den mer umiddelbare muligheten er ikke fullstendig autonome chip-oppbygging. Det er utviklingen av AI-ingeniør-systemer som kan etterforske feil, generere og teste verifiseringsressurser, koordinere repetitive arbeidsflyter og presentere ingeniører med bevis som støtter deres konklusjoner.

ChipAgents’ utvidede Serie A viser at investorer og halvlederselskaper er stadig mer villige til å finansiere denne overgangen. Deres neste utfordring vil være å demonstrere at produktivitetsforbedringene som er rapportert i tidlige deployeringer kan gjentas over en mye bredere rekke av kunder og produksjonsmiljøer.