最先进的硅芯片推动了人工智能的发展，现在AI能否反过来助力芯片设计？

Cognichip正在打造一个深度学习模型，协助工程师设计新一代计算机芯片。该公司试图解决一个行业长期存在的问题：芯片设计极其复杂，成本高昂且周期漫长。先进芯片从构想到量产通常需要三到五年，设计阶段就可能耗时两年之久，之后才开始物理布局。以最新的Nvidia Blackwell GPU为例，它包含了1040亿个晶体管，设计难度可想而知。

Cognichip的创始人兼CEO Faraj Aalaei表示，在芯片开发的漫长周期中，市场环境可能发生变化，导致大量投资付诸东流。他的目标是将软件工程师加速开发的AI工具引入半导体设计领域。

“这些系统已经足够智能，只需指导并告诉它们你想要的结果，它们就能生成出色的代码，”Aalaei在接受TechCrunch采访时说道。

他还表示，公司的技术能够将芯片开发成本降低超过75%，并将开发周期缩短一半以上。

这家公司去年才公开亮相，周三宣布完成由Seligman Ventures领投的6000万美元新一轮融资，英特尔CEO谭立柏（Lip-Bu Tan）也参与投资并将加入Cognichip董事会。Seligman的管理合伙人Umesh Padval也将加入董事会。自2024年成立以来，Cognichip累计融资已达9300万美元。

不过，Cognichip尚未公布任何由其系统设计的新芯片，也未透露自去年9月以来合作的客户名单。

该公司强调其优势在于使用专门针对芯片设计数据训练的模型，而非通用大型语言模型（LLM）。这需要获得领域特定的训练数据，难度不小。与软件开发者广泛共享代码不同，芯片设计师对知识产权保护严格，缺乏开源数据来训练AI助手。

为此，Cognichip开发了自己的数据集，包括合成数据，并从合作伙伴处获得授权数据。公司还设计了流程，允许芯片制造商在不泄露专有数据的情况下，安全地训练Cognichip的模型。

在缺乏专有数据时，Cognichip也利用开源资源。去年一次演示中，Cognichip邀请圣何塞州立大学的电气工程学生参加黑客马拉松，学生们使用该模型设计基于RISC-V开源架构的CPU——这是一种任何人都可以基于其设计进行开发的免费架构。

Cognichip面临来自Synopsys、Cadence Design Systems等传统巨头的竞争，同时也与ChipAgents（今年2月完成7400万美元A轮融资）和Ricursive（今年1月完成3亿美元A轮融资）等资金充足的初创企业竞争。

Seligman的Padval表示，目前涌入AI基础设施领域的资金规模是他40年投资生涯中见过的最大一波。

“如果这是半导体和硬件的超级周期，那么对像Cognichip这样的公司来说也是超级周期，”他说。