最先进的芯片加速了AI的发展。那么如今，AI能否反过来回报人类呢？
Cognichip正在构建一个深度学习模型，以便在工程师设计新计算机芯片的过程中为其提供协助。它试图解决的问题是该行业数十年来一直面临的一个难题：芯片设计极其复杂、成本高昂且速度缓慢。先进的芯片从概念设计到大规模生产需要三到五年的时间；仅设计阶段就可能长达两年。想想看，英伟达最新的 GPU 系列Blackwell就包含1040 亿个晶体管——要排列这么多晶体管可不是一件容易的事。
Cognichip CEO兼创始人Faraj Aalaei表示，在制造新芯片所需的时间内，市场就可能发生变化，导致所有这些投资都付诸东流。Aalaei的目标是将软件工程师们用于加快工作进度的那种AI工具引入到半导体设计领域。
Aalae向TechCrunch表示：“这些系统如今已经足够智能化了，只需对它们进行引导，并告知它们你想要的结果是什么，就能真正生成出高质量的代码。”
他表示，该公司的技术能够将芯片开发的成本降低超过75%，并将开发周期缩短一半以上。
该公司去年低调运营，于本周三宣布已获得由Seligman风投公司牵头的6000 万美元新资金支持，英特尔CEO Lip-Bu Tan也参与其中，他将加入Cognichip的董事会。Seligman的管理合伙人Umesh Padval也将加入董事会。自2024 年成立以来，Cognichip已累计筹集资金9300 万美元。
不过，Cognichip目前仍无法提供采用其系统设计的新款芯片的相关信息，并且也未透露自9 月以来与其合作的任何客户的具体情况。
该公司表示，其优势在于使用基于芯片设计数据训练而成的自身模型，而非从通用型语言模型入手。这需要获取特定领域的训练数据，这并非易事。与公开分享大量代码的软件开发者不同，芯片设计者会严密保护其知识产权，因此通常用于训练AI编码助手的那种开源资源几乎无法获取。
Cognichip不得不自行创建数据集，包括模拟数据，并从合作伙伴处获取数据。该公司还开发了相关程序，使芯片制造商能够利用其自身的专有数据安全地训练Cognichip的模型，同时又不会将这些数据暴露出去。
由于缺乏专有数据，Cognichip转而采用了开源替代方案。去年的一次演示中，Cognichip邀请了圣何塞州立大学的电气工程学生参加一场黑客马拉松活动，让他们试用该模型。各团队能够利用该模型基于RISC-V 开源芯片架构来设计中央处理器——这是一种任何人都可以自由使用的设计基础。
Cognichip正在与诸如Synopsys和Cadence这样的老牌企业展开竞争，同时也在与诸如ChipAgents（其在二月份完成了7400 万美元的扩展性A 轮融资）和Ricursive（其在一月份完成了30 亿美元的A 轮融资）这样的资金雄厚的初创企业竞争。
Padval表示，当前大量资本涌入AI基础设施领域的情况是他 40 年投资生涯中所见过的规模最大的一次。
他说：“如果半导体和硬件行业迎来了超级繁荣期，那么像Cognichip这样的公司也将迎来超级发展的时期。”
