Купон на скидку: 2026
Компания Cognichip разрабатывает модель глубокого обучения, которая будет работать вместе с инженерами при проектировании новых компьютерных чипов. Проблема, которую она пытается решить, существует в индустрии уже десятилетиями: проектирование чипов чрезвычайно сложное, дорогостоящее и медленное. Разработка передовых чипов занимает от трех до пяти лет от концепции до массового производства; только фаза проектирования может занять до двух лет до начала физического размещения. Например, последняя линия графических процессоров Nvidia, Blackwell, содержит 104 миллиарда транзисторов — это огромное количество, которое нужно выстроить. За время, необходимое для создания нового чипа, рынок может измениться, и все инвестиции могут оказаться напрасными, говорит генеральный директор и основатель Cognichip Фарадж Аалаеи. Его цель — внедрить инструменты искусственного интеллекта, которые используют инженеры-программисты для ускорения своей работы, в область проектирования полупроводников. "Эти системы стали достаточно умными, чтобы, просто направляя их и указывая, какой результат вы хотите получить, они могли создавать прекрасный код," сказал Аалаеи в интервью TechCrunch. Он утверждает, что технология компании может сократить стоимость разработки чипов более чем на 75% и уменьшить сроки более чем вдвое.
Компания вышла из режима скрытности в прошлом году и в среду объявила, что привлекла 60 миллионов долларов нового финансирования под руководством Seligman Ventures, с заметным участием генерального директора Intel Лип-Бу Тана, который присоединится к совету директоров Cognichip. Управляющий партнер Seligman Умеш Падвал также войдет в совет директоров. С момента своего основания в 2024 году Cognichip привлекла в общей сложности 93 миллиона долларов. Тем не менее, Cognichip пока не может указать на новый чип, разработанный с использованием ее системы, и не раскрыла ни одного из клиентов, с которыми, как утверждается, сотрудничает с сентября. Компания заявляет, что ее преимущество заключается в использовании собственной модели, обученной на данных о проектировании чипов, а не в использовании универсальной языковой модели. Это потребовало доступа к специализированным обучающим данным, что является нелегкой задачей. В отличие от разработчиков программного обеспечения, которые открыто делятся огромным количеством кода, разработчики чипов тщательно охраняют свою интеллектуальную собственность, что делает недоступным открытый источник, который обычно используется для обучения помощников по кодированию на основе ИИ.
Cognichip пришлось разрабатывать собственные наборы данных, включая синтетические данные, и лицензировать данные у партнеров. Компания также разработала процедуры, позволяющие производителям чипов безопасно обучать модели Cognichip на своих собственных проприетарных данных, не раскрывая их. В тех случаях, когда проприетарные данные недоступны, Cognichip использовала альтернативы с открытым исходным кодом. В одном из демонстрационных проектов в прошлом году Cognichip пригласила студентов факультета электротехники Университета штата Сан-Хосе попробовать модель на хакатоне. Команды смогли использовать модель для проектирования центральных процессоров на основе архитектуры чипов с открытым исходным кодом RISC-V — свободно доступного дизайна, на котором может основываться любой желающий. Cognichip конкурирует с такими крупными игроками, как Synopsys и Cadence Design Systems, а также с хорошо финансируемыми стартапами, такими как ChipAgents, который в феврале закрыл расширенный раунд серии A на 74 миллиона долларов, и Ricursive, который в январе привлек 300 миллионов долларов в раунде серии A. Падвал отметил, что текущий поток капитала в инфраструктуру ИИ является крупнейшим, который он видел за 40 лет инвестирования. "Если это суперцикл для полупроводников и оборудования, то это суперцикл для таких компаний, как [Cognichip]," сказал он.