Компания Cognichip привлекла 60 миллионов долларов в рамках раунда финансирования серии А для перестройки архитектуры чипов с учетом требований искусственного интеллекта.

Когничип поднял $ 60 млн. Серия A раунд во главе с Селигман ВенчурсВ результате общий объем привлеченных средств достиг 93 миллионов долларов, что свидетельствует о растущей популярности новой категории в проектировании полупроводников: искусственного интеллекта, основанного на физических принципах. В раунде приняли участие SBI Investment и существующие инвесторы, в том числе Мэйфилд, Lux Capital, FPV и Канду ВенчурсПри этом все инвесторы, вложившие средства на начальном этапе, увеличили свои позиции.

Финансирование поступает в тот момент, когда полупроводниковая промышленность сталкивается со структурными ограничениями. Разработка передовых микросхем становится все более дорогостоящей и трудоемкой, часто требуя лет и сотен миллионов долларов, что создает узкое место для самого прогресса в области искусственного интеллекта.

Отход от инструментов поэтапного проектирования

Cognichip позиционирует себя не как еще один инструмент автоматизации проектирования электроники, а как комплексное переосмысление подхода к проектированию микросхем. В основе этого лежит... ACI® (Искусственный микрочиповый интеллект) .

По данным Cognichip, ACI — это основанная на физических принципах базовая модель, разработанная специально для проектирования полупроводниковых устройств. В отличие от универсальных моделей ИИ, она напрямую интегрирует физические ограничения, поведение схем и производственные реалии в модель. Это позволяет ей рассуждать на протяжении всего жизненного цикла разработки микросхемы, от архитектуры до верификации и производства.

Компания утверждает, что такой подход может сократить трудозатраты на проектирование до 75% и ускорить сроки примерно на 50%, коренным образом изменив экономику разработки микросхем.

Почему искусственный интеллект, основанный на физических принципах, имеет значение

Традиционный подход к проектированию микросхем отличается высокой степенью последовательности, когда инженеры шаг за шагом проходят сложные этапы рабочего процесса. Подход Cognichip вводит параллелизм, позволяя одновременно исследовать множество проектных решений.

Это важно, потому что современные микросхемы охватывают цифровые, аналоговые и смешанные сигнальные области, с растущей взаимозависимостью, которая делает оптимизацию все более сложной. Встраивая физические принципы непосредственно в модель ИИ, ACI может управлять этими компромиссами способами, недоступными для систем, основанных исключительно на данных.

В результате получилась система, которая действует не столько как инструмент, сколько как инженерный помощник, способный решать проектные задачи, используя рассуждения, близкие к уровню дизайнера.

Ветераны отрасли демонстрируют уверенность.

Этот раунд финансирования также подтверждает правильность выбранного направления в отрасли. Лип-Бу Тан и Умеш Падвал вошли в совет директоров Cognichip, что подтверждает мнение о том, что проектирование с использованием ИИ становится стратегическим приоритетом во всей полупроводниковой экосистеме.

Оба руководителя тесно связаны с развитием инфраструктуры проектирования микросхем, включая руководящие должности в компаниях, которые определили предыдущие поколения инструментов проектирования и инновации в области кремниевых технологий. Их участие свидетельствует о том, что отрасль рассматривает ИИ не как постепенное обновление, а как фундаментальный сдвиг.

От инструментов к инфраструктуре

В течение последних двух лет компания Cognichip сосредоточилась на создании, по ее собственным словам, одного из самых полных наборов данных в области проектирования полупроводников, охватывающего все аспекты — от поведения схем на уровне отдельных элементов до производственных ограничений.

Этот слой данных имеет решающее значение. Данные о проектировании микросхем, как правило, фрагментированы по различным инструментам, поставщикам и проприетарным средам, что затрудняет обучение обобщенных систем искусственного интеллекта. Стратегия Cognichip заключается в объединении этих наборов данных в управляемую систему, способную поддерживать крупномасштабное обучение и развертывание моделей.

Это позиционирует ACI как инфраструктурный, а не программный компонент — слой, который может располагаться по всей полупроводниковой архитектуре.

Ранняя предпринимательская тракция

Компания уже сотрудничает с более чем 30 полупроводниковыми фирмами, включая многих ведущих игроков отрасли. Эти проекты охватывают цифровые, аналоговые, смешанные сигнальные и литейные среды, что свидетельствует о тестировании платформы в реальных производственных условиях.

Согласно предварительным результатам, наблюдается сокращение циклов проектирования и затрат при сохранении стандартов производительности и технологичности производства, что имеет решающее значение для внедрения в корпоративной среде.

Одна из наиболее интересных причин взлета Cognichip — это замкнутая зависимость между искусственным интеллектом и аппаратным обеспечением. Для моделей ИИ требуются все более мощные чипы, но разработка таких чипов занимает годы.

Сжимая сроки проектирования с месяцев или лет до потенциально нескольких дней, Cognichip пытается разорвать этот замкнутый круг. В случае успеха это может ускорить не только инновации в полупроводниковой отрасли, но и всю экосистему искусственного интеллекта, которая от них зависит.

Что будет дальше

Компания Cognichip переходит к этапу, ориентированному на корпоративное внедрение, где акцент смещается с технических перспектив на стабильную производительность в производственных средах по всей полупроводниковой отрасли.

Если искусственный интеллект, основанный на физических принципах, сможет надежно сократить сроки и затраты на проектирование в больших масштабах, это может изменить подход организаций к разработке микросхем, потенциально снизив барьеры для заказа микросхем и расширив участие за пределы традиционных игроков.

В более широком смысле это указывает на структурный сдвиг: проектирование микросхем может эволюционировать из узкоспециализированного, ресурсоемкого процесса в более доступную и параллельную дисциплину, что повлияет на инфраструктуру ИИ, облачные вычисления и периферийные системы.