ค็อกนิชิประดมทุน 60 ล้านเหรียญสหรัฐฯ ในรอบ Series A เพื่อสร้างการออกแบบชิปใหม่โดยใช้ AI

Cognichip ได้ระดมทุน $60 ล้านเหรียญสหรัฐฯ ในรอบ Series A โดยมี Seligman Ventures เป็นผู้นำ ทำให้ยอดเงินทุนทั้งหมดของบริษัทเพิ่มขึ้นเป็น $93 ล้านเหรียญสหรัฐฯ และแสดงให้เห็นถึงการเติบโตของความสนใจในหมวดใหม่ของการออกแบบเซมิคอนดักเตอร์ ซึ่งก็คือ AI ที่ได้รับแจ้งจากฟิสิกส์

การระดมทุนครั้งนี้เกิดขึ้นในช่วงเวลาที่อุตสาหกรรมเซมิคอนดักเตอร์ต้องเผชิญกับข้อจำกัดทางโครงสร้าง การออกแบบชิปที่ทันสมัยได้กลายเป็นกระบวนการที่มีค่าใช้จ่ายสูงและใช้เวลานาน ซึ่งต้องใช้เวลาหลายปีและหลายร้อยล้านเหรียญสหรัฐฯ ทำให้เกิดปัญหาการขาดแคลนความก้าวหน้าของ AI

การเปลี่ยนแปลงจากการออกแบบทีละขั้นตอน

ค็อกนิชิปจัดตัวเองไม่เพียงแต่เป็นเครื่องมือการออกแบบอิเล็กทรอนิกส์อัตโนมัติเท่านั้น แต่ยังเป็นการคิดใหม่เกี่ยวกับวิธีการออกแบบชิปที่สมบูรณ์แบบ โดยมี ACI® (Artificial Chip Intelligence) เป็นศูนย์กลาง

ตามที่ค็อกนิชิปอธิบาย ACI เป็นรูปแบบการสร้างแบบจำลองที่ได้รับแจ้งจากฟิสิกส์ ซึ่งถูกสร้างขึ้นโดยเฉพาะสำหรับการออกแบบเซมิคอนดักเตอร์ ไม่เหมือนกับโมเดล AI ทั่วไปที่รวมข้อจำกัดทางฟิสิกส์ พฤติกรรมของวงจร และความเป็นจริงในการผลิตเข้าไปในโมเดลโดยตรง ทำให้สามารถให้เหตุผลข้ามช่วงชีวิตของชิปได้ ตั้งแต่การออกแบบไปจนถึงการผลิต

บริษัทอ้างว่าการเข้าใกล้นี้สามารถลดความพยายามในการออกแบบได้มากถึง 75% และเร่งเวลาได้ประมาณ 50% ซึ่งเปลี่ยนแปลงเศรษฐศาสตร์ของการพัฒนาชิปอย่างมาก

ทำไม AI ที่ได้รับแจ้งจากฟิสิกส์จึงมีความสำคัญ

การออกแบบชิปแบบดั้งเดิมเป็นกระบวนการที่ต่อเนื่องกัน โดยวิศวกรจะย้ายไปตามขั้นตอนต่างๆ ของการทำงานที่ซับซ้อน ค็อกนิชิปนำเสนอการเปลี่ยนแปลงโดยการแนะนำความขนาน ซึ่งทำให้สามารถสำรวจการตัดสินใจในการออกแบบหลายอย่างพร้อมๆ กัน

สิ่งนี้มีความสำคัญเพราะชิปสมัยใหม่ครอบคลุมโดเมนดิจิทัล อนาล็อก และสัญญาณผสมที่มีความสัมพันธ์ที่ซับซ้อนมากขึ้น ทำให้การเพิ่มประสิทธิภาพยากขึ้น โดยการฝังฟิสิกส์เข้าไปในโมเดล AI ACI สามารถนำทางการแลกเปลี่ยนเหล่านี้ได้ด้วยวิธีที่ระบบขับเคลื่อนด้วยข้อมูลเพียงอย่างเดียวไม่สามารถทำได้

ผลลัพธ์คือระบบที่ทำงานเหมือนผู้ร่วมงานทางวิศวกรรมที่สามารถแก้ปัญหาการออกแบบได้ด้วยการให้เหตุผลที่ใกล้เคียงกับวิศวกร

ผู้เชี่ยวชาญในอุตสาหกรรมแสดงความมั่นใจ

การระดมทุนครั้งนี้ยังได้รับการยืนยันจากผู้เชี่ยวชาญในอุตสาหกรรม Lip-Bu Tan และ Umesh Padval ได้เข้าร่วมคณะกรรมการของ Cognichip ซึ่งเน้นย้ำมุมมองว่าการออกแบบที่ขับเคลื่อนด้วย AI กำลังจะกลายเป็นลำดับความสำคัญเชิงกลยุทธ์ทั่วทั้งระบบนิเวศของเซมิคอนดักเตอร์

ทั้งสองผู้บริหารมีความเชื่อมโยงที่ลึกซึ้งกับการพัฒนาระบบโครงสร้างพื้นฐานในการออกแบบชิป รวมถึงบทบาทผู้นำในบริษัทที่กำหนดรุ่นก่อนหน้าของเครื่องมือการออกแบบและการนวัตกรรมซิลิคอน การมีส่วนร่วมของพวกเขาแสดงให้เห็นว่าอุตสาหกรรมมองเห็น AI ไม่เพียงแต่เป็นการอัปเกรดแบบทีละขั้นตอน แต่เป็นการเปลี่ยนแปลงพื้นฐาน

จากเครื่องมือไปสู่โครงสร้างพื้นฐาน

ในช่วงสองปีที่ผ่านมา ค็อกนิชิปมุ่งเน้นไปที่การสร้างชุดข้อมูลที่ลึกที่สุดในด้านการออกแบบเซมิคอนดักเตอร์ ซึ่งครอบคลุมทุกอย่างตั้งแต่พฤติกรรมระดับวงจรไปจนถึงข้อจำกัดในการผลิต

ชั้นข้อมูลนี้มีความสำคัญอย่างยิ่ง ข้อมูลการออกแบบชิปมักจะกระจัดกระจายไปทั่วเครื่องมือ ผู้ขาย และสภาพแวดล้อมที่เป็นกรรมสิทธิ์ ทำให้ยากต่อการฝึกอบรมระบบ AI ที่ทั่วไป ค็อกนิชิปมีกลยุทธ์ที่จะรวมชุดข้อมูลเหล่านี้เข้าด้วยกันเป็นระบบที่มีการจัดการซึ่งสามารถรองรับการฝึกอบรมแบบจำลองขนาดใหญ่และใช้งานได้

สิ่งนี้ทำให้ ACI เป็นโครงสร้างพื้นฐานมากกว่าซอฟต์แวร์ – ชั้นที่สามารถอยู่เหนือทั้งระบบเซมิคอนดักเตอร์ได้

การได้รับการยอมรับในระดับองค์กรตั้งแต่เนิ่นๆ

บริษัทกำลังทำงานร่วมกับบริษัทเซมิคอนดักเตอร์มากกว่า 30 ราย รวมถึงผู้เล่นชั้นนำในอุตสาหกรรมหลายราย การมีส่วนร่วมเหล่านี้ครอบคลุมสภาพแวดล้อมดิจิทัล อนาล็อก สัญญาณผสม และฟาวน์ดรี ซึ่งบ่งชี้ว่าแพลตฟอร์มนี้กำลังถูกทดสอบในกระบวนการผลิตจริง

ผลลัพธ์เบื้องต้นรายงานว่ามีการลดลงของวงจรการออกแบบและต้นทุน ในขณะเดียวกันก็รักษามาตรฐานการทำงานและการผลิตไว้ ซึ่งเป็นสิ่งสำคัญสำหรับการนำไปใช้ในองค์กร

หนึ่งในพลวัตที่น่าสนใจที่อยู่เบื้องหลังการเติบโตของค็อกนิชิปคือความสัมพันธ์ที่เป็นวงจรระหว่าง AI และฮาร์ดแวร์ โมเดล AI ต้องการชิปที่มีพลังมากขึ้น แต่ชิปเหล่านั้นต้องใช้เวลาหลายปีในการออกแบบ

โดยการบีบอัดเวลาในการออกแบบจากเดือนหรือปีเป็นวัน ค็อกนิชิปพยายามที่จะทำลายวงจรนี้ หากประสบความสำเร็จ สิ่งนี้อาจเร่งความก้าวหน้าไม่เพียงแต่ในด้านนวัตกรรมเซมิคอนดักเตอร์เท่านั้น แต่ยังรวมถึงระบบนิเวศ AI ทั้งหมดที่พึ่งพา

สิ่งที่จะเกิดขึ้นต่อไป

ค็อกนิชิปกำลังเข้าสู่ระยะที่มุ่งเน้นไปที่การนำไปใช้ในระดับองค์กร โดยที่จุดสนใจเปลี่ยนจากความหวังทางเทคนิคไปสู่การแสดงผลที่สม่ำเสมอในสภาพแวดล้อมการผลิตทั่วทั้งอุตสาหกรรมเซมิคอนดักเตอร์

หาก AI ที่ได้รับแจ้งจากฟิสิกส์สามารถลดเวลาในการออกแบบและต้นทุนได้อย่างน่าเชื่อถือในระดับใหญ่ๆ มันอาจเปลี่ยนแปลงวิธีที่องค์กรเข้าใกล้การพัฒนาชิป ซึ่งอาจลดข้อจำกัดในการเข้าถึงซิลิคอนแบบกำหนดเองและขยายการมีส่วนร่วมนอกเหนือจากผู้เล่นแบบดั้งเดิม

ในวงกว้างมากขึ้น สิ่งนี้ชี้ให้เห็นถึงการเปลี่ยนแปลงทางโครงสร้าง: การออกแบบชิปอาจพัฒนาไปจากกระบวนการที่มีการเชี่ยวชาญสูงและใช้ทรัพยากรมากเป็นกระบวนการที่สามารถเข้าถึงได้และขนานกันมากขึ้น โดยมีผลกระทบต่อโครงสร้างพื้นฐาน AI การคำนวณแบบคลาวด์ และระบบเอッจ์