Компания заявляет, что может сократить затраты на разработку чипов более чем на 75% и уменьшить сроки более чем вдвое. Cognichip привлекает $60 млн для ускорения проектирования чипов с помощью ИИ. — techcrunch.com
Cognichip разрабатывает модель глубокого обучения для совместной работы с инженерами при проектировании новых компьютерных чипов. Проблема, которую она пытается решить, знакома индустрии десятилетиями: проектирование чипов чрезвычайно сложно, разорительно дорого и медленно. Разработка передовых чипов от идеи до массового производства занимает от трех до пяти лет; только этап проектирования может занять до двух лет до начала физической компоновки. Учитывая, что новейшая линейка графических процессоров Nvidia, Blackwell, содержит 104 миллиарда транзисторов — это огромное количество элементов, которые нужно расположить.
За то время, пока создается новый чип, генеральный директор и основатель Cognichip Фарадж Аалаи говорит, что рынок может измениться, и все эти инвестиции окажутся напрасными. Цель Аалаи — привнести в сферу проектирования полупроводников те инструменты ИИ, которые инженеры-программисты уже используют для ускорения своей работы.
«Эти системы стали достаточно интеллектуальными, чтобы, просто направляя их и указывая желаемый результат, они могли создавать превосходный код», — заявил Аалаи в интервью TechCrunch.
Он утверждает, что технология компании может сократить затраты на разработку чипов более чем на 75% и уменьшить сроки более чем вдвое.
Компания вышла из режима скрытности в прошлом году и в среду объявила о привлечении 60 миллионов долларов нового финансирования под руководством Seligman Ventures при заметном участии генерального директора Intel Лип-Бу Тана, который инвестировал через свой венчурный фонд Walden Catalyst Ventures и войдет в совет директоров Cognichip. Умеш Падвал, управляющий партнер Seligman, также войдет в совет директоров. С момента основания в 2024 году Cognichip привлекла в общей сложности 93 миллиона долларов.
Тем не менее, Cognichip пока не может продемонстрировать новый чип, разработанный с помощью ее системы, и не раскрыла имена клиентов, с которыми, по ее словам, она сотрудничает с сентября.
Компания заявляет, что ее преимущество заключается в использовании собственной модели, обученной на данных по проектированию чипов, а не в использовании общецелевой LLM. Это потребовало доступа к доменно-специфичным обучающим данным, что само по себе непросто. В отличие от разработчиков программного обеспечения, которые широко делятся кодом, разработчики чипов тщательно охраняют свою интеллектуальную собственность, из-за чего общедоступных хранилищ, на которых обычно обучаются помощники по кодированию на базе ИИ, в значительной степени нет.
Cognichip пришлось разрабатывать собственные наборы данных, включая синтетические данные, и лицензировать данные у партнеров. Фирма также разработала процедуры, позволяющие производителям чипов безопасно обучать модели Cognichip на своих собственных проприетарных данных без их раскрытия.
Там, где проприетарные данные недоступны, Cognichip опиралась на альтернативы с открытым исходным кодом. В одной из демонстраций в прошлом году Cognichip пригласила студентов электротехники из Университета штата Сан-Хосе принять участие в хакатоне с использованием модели. Команды смогли использовать модель для проектирования ЦП на основе открытой архитектуры чипа RISC-V — свободно доступного дизайна, который может использовать любой желающий.
Cognichip конкурирует с устоявшимися игроками, такими как Synopsys и Cadence Design Systems, а также с группой хорошо финансируемых стартапов. Среди них: Alpha Design AI, привлекшая 21 миллион долларов в рамках раунда Серии А в октябре 2025 года, и ChipAgentsAI, закрывшая расширенный раунд Серии А на 74 миллиона долларов в феврале.
Падвал отметил, что нынешний поток капитала в инфраструктуру ИИ — самый большой, который он видел за 40 лет инвестирования.
«Если это суперцикл для полупроводников и аппаратного обеспечения, то это суперцикл и для таких компаний, как [Cognichip]», — сказал он.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Tim Fernholz