最先进的硅芯片推动了人工智能的发展，现在，AI能否回报这一恩情？

Cognichip正在构建一个深度学习模型，与工程师合作设计新的计算机芯片。该公司试图解决行业几十年来面临的问题：芯片设计极其复杂、成本高昂且速度缓慢。先进芯片从概念到量产需要三到五年时间，仅设计阶段就可能耗时两年。考虑到英伟达最新的Blackwell GPU包含1040亿个晶体管，这确实是一个庞大的工程。

Cognichip首席执行官兼创始人Faraj Aalaei表示，在创造一款新芯片的时间里，市场可能发生变化，使所有投资付诸东流。Aalaei的目标是将软件工程师用来加速工作的AI工具引入半导体设计领域。

"这些系统现在已经足够智能，只需要引导它们并告诉它们你想要的结果，它就能真正产生出色的代码，"Aalaei告诉TechCrunch。

他表示，公司的技术可以将芯片开发成本降低75%以上，并将时间线缩短一半以上。

该公司去年从隐身模式中脱颖而出，周三宣布由Seligman Ventures领投，筹集了6000万美元新资金。英特尔CEO谭立斌通过其风险投资公司Walden Catalyst Ventures参与了投资，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已累计筹集了9300万美元。

然而，Cognichip尚未能展示使用其系统设计的新芯片，也未透露自9月以来合作的客户信息。

该公司表示其优势在于使用基于芯片设计数据训练的专有模型，而非从通用大语言模型开始。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，芯片设计师严密保护其知识产权，使得通常用于训练AI编程助手的开源资源库基本不可用。

Cognichip必须开发自己的数据集，包括合成数据，并从合作伙伴处获得数据授权。该公司还开发了程序，允许芯片制造商在不暴露专有数据的情况下，安全地使用自己的数据训练Cognichip模型。

在专有数据不可用的情况下，Cognichip转向开源替代方案。在去年的一次演示中，Cognichip邀请圣何塞州立大学的电气工程学生在黑客马拉松中试用该模型。学生团队能够使用该模型基于RISC-V开源芯片架构设计CPU——这是一个任何人都可以构建的免费设计。

Cognichip正在与Synopsys和Cadence Design Systems等老牌企业竞争，以及ChipAgentsAI等资金充足的初创公司。ChipAgentsAI在2月完成了7400万美元的A轮延长融资，Ricursive在1月筹集了3亿美元的A轮融资。

Padval表示，当前流入AI基础设施的资本洪流是他40年投资生涯中见过的最大规模。

"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。

Q&A

Q1：Cognichip的AI芯片设计技术有什么优势？

A：Cognichip使用基于芯片设计数据训练的专有深度学习模型，而非通用大语言模型。该技术可以将芯片开发成本降低75%以上，并将开发时间缩短一半以上，帮助解决芯片设计复杂、昂贵且缓慢的行业难题。

Q2：芯片设计为什么需要AI技术来改进？

A：传统芯片设计极其复杂且耗时，先进芯片从概念到量产需要三到五年，仅设计阶段就可能耗时两年。以英伟达Blackwell GPU为例，包含1040亿个晶体管。在如此长的开发周期中，市场可能发生变化，使巨额投资面临风险。

Q3：Cognichip如何获得芯片设计的训练数据？

A：与软件开发者不同，芯片设计师严密保护知识产权，开源数据稀缺。Cognichip通过开发自有数据集（包括合成数据）、从合作伙伴处获得数据授权，以及开发安全程序让芯片制造商用自己的专有数据训练模型来解决这一问题。