Cognichip привлекает $60 млн в рамках раунда серии А для перестройки проектирования микросхем вокруг ИИ

Cognichip привлекла $60 млн в рамках раунда серии А, возглавляемого Seligman Ventures, что увеличивает общий объем финансирования до $93 млн и указывает на растущий импульс за новой категорией в области проектирования полупроводников: физически-информированный ИИ. В раунде приняли участие SBI Investment и существующие инвесторы, включая Mayfield, Lux Capital, FPV и Candou Ventures, при этом все инвесторы семенного раунда увеличили свои позиции.

Финансирование происходит в момент, когда отрасль полупроводников сталкивается с структурными ограничениями. Проектирование передовых микросхем стало все более дорогим и длительным, часто требуя лет и сотен миллионов долларов, что создает瓶颈 для прогресса ИИ.

Сдвиг от инструментов инкрементального проектирования

Cognichip позиционирует себя не как еще один инструмент автоматизации электронного проектирования, а как полноценное переосмысление того, как проектируются микросхемы. В основе этого лежит ее ACI® (Artificial Chip Intelligence) платформа.

По словам Cognichip, ACI – это физически-информированная модель, построенная специально для проектирования полупроводников. В отличие от общего ИИ-модели, она интегрирует физические ограничения, поведение цепей и производственные реалии直接 в модель. Это позволяет ей рассуждать на протяжении всего жизненного цикла разработки микросхем, от архитектуры до верификации и производства.

Компания утверждает, что этот подход может сократить усилия по проектированию до 75% и ускорить сроки примерно на 50%, фундаментально изменяя экономику разработки микросхем.

Почему физически-информированный ИИ имеет значение

Традиционное проектирование микросхем является высоко последовательным, с инженерами, движущимися шаг за шагом через сложные рабочие процессы. Подход Cognichip вводит параллелизм, позволяя исследовать несколько решений по проектированию одновременно.

Это имеет значение, потому что современные микросхемы охватывают цифровые, аналоговые и смешанные сигнальные домены, с растущими взаимозависимостями, которые делают оптимизацию все более сложной. Встраивая физику непосредственно в ИИ-модель, ACI может ориентироваться в этих компромиссах способами, которые чисто данными-ориентированные системы не могут.

Результатом является система, которая действует не как инструмент, а как сотрудник-инженер, способный решать проблемы проектирования с рассуждениями, близкими к уровню дизайнера.

Ветераны отрасли сигнализируют о доверии

Раунд также приносит тяжелую индустриальную валидацию. Lip-Bu Tan и Umesh Padval присоединились к совету директоров Cognichip, укрепляя точку зрения, что ИИ-ориентированное проектирование становится стратегической приоритетом на протяжении всей экосистемы полупроводников.

Оба руководителя имеют глубокие связи с эволюцией инфраструктуры проектирования микросхем, включая руководящие роли в компаниях, которые определяли более ранние поколения инструментов проектирования и инноваций в области кремния. Их участие предполагает, что отрасль видит ИИ не как инкрементальное обновление, а как фундаментальный сдвиг.

От инструментов к инфраструктуре

На протяжении последних двух лет Cognichip сосредоточилась на построении того, что она описывает как один из самых глубоких наборов данных в области проектирования полупроводников, охватывающий все – от поведения цепей до производственных ограничений.

Этот слой данных имеет решающее значение. Данные по проектированию микросхем обычно фрагментированы по инструментам, поставщикам и проприетарным средам, что затрудняет обучение обобщенных ИИ-систем. Стратегия Cognichip заключается в объединении этих наборов данных в управляемую систему, которая может поддерживать крупномасштабное обучение моделей и развертывание.

Это позиционирует ACI как инфраструктуру, а не как программное обеспечение – слой, который может располагаться на протяжении всего стека полупроводников.

Ранний успех на рынке предприятий

Компания уже работает с более чем 30 фирмами-производителями полупроводников, включая многих из ведущих игроков отрасли. Эти взаимодействия охватывают цифровые, аналоговые, смешанные сигнальные и производственные среды, что предполагает, что платформа тестируется на реальных производственных рабочих процессах.

Ранние результаты, как сообщается, показывают сокращение циклов проектирования и затрат, сохраняя при этом стандарты производительности и производительности, которые имеют решающее значение для внедрения на уровне предприятий.

Одна из более интересных динамик, стоящих за ростом Cognichip, – это круговая зависимость между ИИ и аппаратным обеспечением. Модели ИИ требуют все более мощных микросхем, но эти микросхемы требуют лет для проектирования.

Сокращая сроки проектирования с месяцев или лет до потенциально дней, Cognichip пытается разорвать эту петлю. Если это будет успешно, это может ускорить не только инновации в области полупроводников, но и всю экосистему ИИ, которая от них зависит.

Что дальше

Cognichip переходит в фазу, сосредоточенную на внедрении на уровне предприятий, где внимание смещается от технического обещания к последовательной производительности в производственных средах на протяжении всей отрасли полупроводников.

Если физически-информированный ИИ может надежно сократить сроки проектирования и затраты в масштабе, он может изменить то, как организации подходят к разработке микросхем, потенциально снижая барьеры для создания пользовательских полупроводников и расширяя участие за пределами традиционных игроков.

Более широко, это указывает на структурный сдвиг: проектирование микросхем может эволюционировать от высокоспециализированного, ресурсоемкого процесса в более доступную и параллелизированную дисциплину, с последствиями для инфраструктуры ИИ, облачных вычислений и систем edge.