【科技24时区】人工智能正从芯片的“受益者”向“赋能者”角色转变。继先进制程硅芯片推动AI爆发式发展后，初创企业Cognichip正尝试以生成式AI反哺半导体设计流程，力图破解行业长期面临的高成本、长周期与复杂性难题。
当前，高端芯片从概念提出到量产通常需三至五年，仅设计阶段就可能耗时两年以上。以英伟达最新Blackwell GPU为例，其晶体管数量高达1040亿颗，布局与验证工作极为繁重。Cognichip创始人兼CEO法拉杰·阿拉埃（Faraj Aalaei）指出，在如此漫长的开发周期中，市场需求可能发生剧变，导致巨额前期投入面临贬值甚至归零的风险。
为应对这一结构性瓶颈，Cognichip构建了专用于芯片设计的深度学习模型，旨在将软件工程师已广泛使用的AI辅助编程能力引入半导体领域。阿拉埃表示：“这些系统如今已足够智能，只需告知目标结果，它们便能自动生成高质量代码。”据公司披露，其技术可将芯片开发成本降低逾75%，并将整体周期缩短一半以上。
该公司于2024年成立，去年结束“隐身模式”，并于本周三宣布完成6000万美元新一轮融资，由Seligman Ventures领投。值得注意的是，英特尔CEO陈立武（Lip-Bu Tan）通过其风险投资机构Walden Catalyst Ventures参与投资，并将加入Cognichip董事会。Seligman管理合伙人乌梅什·帕德瓦尔（Umesh Padval）也将出任董事。至此，Cognichip累计融资额已达9300万美元。
尽管进展迅速，Cognichip尚未公布任何由其平台完整设计并流片的芯片案例，亦未透露自去年9月以来合作客户的名称。其技术核心在于采用基于芯片设计领域数据训练的专用模型，而非通用大语言模型（LLM）。这一路径面临关键挑战：与开源软件生态不同，芯片设计知识产权高度封闭，缺乏类似GitHub的大规模公开数据集。
为此，Cognichip不得不自主构建包含合成数据在内的专属训练集，并通过授权方式获取合作伙伴的数据。公司还开发了隐私计算机制，允许客户在不泄露自身专有数据的前提下，安全地用于模型微调。在无法获取专有数据的场景下，则转向开源替代方案。例如，去年一场黑客松活动中，圣何塞州立大学的学生团队即利用Cognichip平台，基于开放指令集架构RISC-V成功设计出CPU原型。
当前，Cognichip正与Synopsys、Cadence等传统电子设计自动化（EDA）巨头正面竞争，同时面临ChipAgentsAI（今年2月完成7400万美元A+轮融资）和Ricursive（1月斩获3亿美元A轮融资）等新兴势力的夹击。帕德瓦尔评价称，当前涌入AI基础设施领域的资本规模，是他四十年投资生涯中所见之最。“如果说半导体与硬件正经历‘超级周期’，那么像Cognichip这样的公司同样身处其中。”
