
人工智能软件创新正在加速,而芯片设计流程却因日益增长的复杂性和物理限制而难以跟上步伐。现在最大的挑战是如何缩小这一差距。
该解决方案至少与硬件设计一样复杂。它需要更大程度地重用IP以及部分现有设计,这样就无需从头开始创建所有内容。人工智能需要经过训练才能处理日常和复杂的任务。所有这些都需要快速且低成本地完成,以便开发出既不过于悲观又不冗余的定制解决方案。
2025年5月,Cognichip这家初创公司从隐身模式中脱颖而出。“我们正在构建人工智能芯片 (ACI),它本质上能够理解、学习和解决芯片设计问题,”该公司首席产品官Stelios Diamantidis表示。“我们用RTL(实时逻辑)训练它,用综合后的网络表结果训练它,用电路图训练它。当然,我们甚至用规范和验证方面的知识来训练它。但这个想法很简单。ACI能够以极高的速度理解和执行解决问题的任务,最重要的是,它具有极高的并行性。”

设计这些复杂芯片的挑战之一是它们高度定制且极其昂贵,有时每个设计的成本超过 1 亿美元。
“首先需要做的就是控制设计成本,”迪亚曼蒂迪斯说道。“在我们生活的这个世界里,一个人,甚至一个小团队,就能在短时间内,以极少的努力推出一款功能极其精妙的新软件产品。然而,所有这些产品运行在通常至少三四年前设计的硬件上,而这仅仅是构思、设计新芯片、然后投入量产的时间,更不用说系统接口了。这需要三年时间,超过1亿美元的投资,还需要一个专家团队投入这段时间,才能将芯片推向市场。然后,除了在这三四年的时间里应对各种限制之外,当这款芯片投入应用时,它是否是合适的芯片?或者说,这个在几周内就写好的应用程序是否还需要其他支持?因此,这项投资基本上无法满足市场需求。”
Cognichip 的方法是开发一个基于物理信息的基础模型,该模型能够实现比现有开发流程更高的并行性,从而消除设计中的一些裕度。“我们非常乐意使用现有的抽象概念,但我们需要在更高的带宽下操作它们,”Diamantidis 说道。
Diamantidis认为Cognichip可以通过三种方式服务更广泛的半导体市场。“老牌半导体领导者拥有丰富的专业知识、大量的资源,以及大量可用的先前设计和能力,”他说道。但对他们来说,这是一场效率游戏。他们希望带领设计团队进行下一个衍生产品或设计的进一步缩减,以瞄准一个非常有针对性的市场。对于这些领导者来说,少花钱多办事才是王道。再进一步说,我们可能有一些中端公司——这些中端公司已经拥有非常优秀的团队和丰富的专业知识——但他们可能希望获得增量专业知识,以便在邻近市场打造产品,或者开发出一款过去可能超出其能力或预算的设备。所以,这仍然是少花钱多办事,但需要增加专业知识,补充团队所缺少的维度,以便将执行力提升到一个新的水平。最后,我们还有一些初创公司,他们希望组建新的团队,并迅速获得市场认可。速度和灵活性是关键。
Cognichip总部位于加利福尼亚州雷德伍德城,从 Lux Capital、Mayfield、FPV 和 Candou Ventures 获得了 3300 万美元的种子资金。
参考链接
https://semiengineering.com/cognichip-using-ai-to-speed-complex-chip-design/
点这里👆加关注,锁定更多原创内容
*免责声明:文章内容系作者个人观点,半导体芯闻转载仅为了传达一种不同的观点,不代表半导体芯闻对该观点赞同或支持,如果有任何异议,欢迎联系我们。

推荐阅读


喜欢我们的内容就点“在看”分享给小伙伴哦~