Cognichip привлекает $60 млн на разработку ИИ для проектирования чипов

Самые передовые кремниевые чипы ускорили развитие искусственного интеллекта. Теперь может ли ИИ ответить взаимностью?

Стартап Cognichip создаёт модель глубокого обучения, которая будет работать вместе с инженерами при проектировании новых компьютерных чипов. Проблема, которую он пытается решить, десятилетиями преследует индустрию: проектирование чипов невероятно сложно, катастрофически дорого и медленно. Создание передовых чипов от концепции до массового производства занимает от трёх до пяти лет; только фаза проектирования может длиться до двух лет, прежде чем начнётся физическая компоновка. Для сравнения, последняя линейка графических процессоров Nvidia, Blackwell, содержит 104 миллиарда транзисторов — это очень много для выравнивания.

За время, необходимое для создания нового чипа, рынок может измениться и сделать все эти инвестиции напрасными, заявляет генеральный директор и основатель Cognichip Фарадж Аалаей. Цель Аалаей — внедрить в пространство проектирования полупроводников инструменты ИИ, подобные тем, которые программные инженеры используют для ускорения своей работы.

«Эти системы стали достаточно интеллектуальными, чтобы, просто направляя их и говоря им, какой результат вы хотите получить, они могли создавать красивый код», — сказал Аалаей TechCrunch.

По его словам, технология компании может снизить стоимость разработки чипов более чем на 75% и сократить сроки более чем вдвое.

Компания вышла из скрытого режима в прошлом году и в среду объявила о привлечении 60 миллионов долларов (около 4,8 млн рублей) нового финансирования под руководством Seligman Ventures, при заметном участии генерального директора Intel Лип-Бу Тана, который войдёт в совет директоров Cognichip. Умеш Падвал, управляющий партнёр Seligman, также присоединится к совету. С момента основания в 2024 году Cognichip привлёк в общей сложности 93 миллиона долларов (около 7,4 млн рублей).

Тем не менее, Cognichip пока не может указать на новый чип, спроектированный с помощью своей системы, и не раскрыл ни одного из клиентов, с которыми, по её словам, сотрудничает с сентября.

Компания заявляет, что её преимущество заключается в использовании собственной модели, обученной на данных о проектировании чипов, а не в старте с универсальной большой языковой модели (LLM). Для этого потребовался доступ к предметно-ориентированным обучающим данным, что само по себе является непростой задачей. В отличие от разработчиков программного обеспечения, которые открыто делятся огромным количеством кода, проектировщики чипов тщательно охраняют свою интеллектуальную собственность, что делает открытые хранилища, которые обычно обучают ИИ-ассистентов для программирования, в значительной степени недоступными.

Cognichip пришлось разрабатывать собственные наборы данных, включая синтетические данные, и лицензировать данные у партнёров. Компания также разработала процедуры, позволяющие производителям чипов безопасно обучать модели Cognichip на своих собственных проприетарных данных, не раскрывая их.

Там, где проприетарные данные недоступны, Cognichip полагается на открытые альтернативы. В ходе одной демонстрации в прошлом году Cognichip пригласила студентов факультета электротехники Университета штата Сан-Хосе опробовать модель на хакатоне. Командам удалось использовать модель для проектирования процессоров на основе открытой архитектуры чипов RISC-V — свободно доступного дизайна, на котором может строить любой.

Cognichip конкурирует с устоявшимися игроками, такими как Synopsys и Cadence Design Systems, а также с хорошо финансируемыми стартапами, такими как ChipAgents, который закрыл расширенный раунд финансирования серии A на 74 миллиона долларов (около 5,9 млн рублей) в феврале, и Ricursive, который привлёк 300 миллионов долларов (около 24 млн рублей) в раунде серии A в январе.

Падвал заявил, что нынешний поток капитала в инфраструктуру ИИ является крупнейшим, который он видел за 40 лет инвестирования.

«Если для полупроводников и аппаратного обеспечения это суперцикл, то для таких компаний, как [Cognichip], это тоже суперцикл», — сказал он.

ИИ: Идея использования ИИ для проектирования следующего поколения чипов выглядит логичным шагом в эволюции индустрии, особенно на фоне текущего бума инвестиций в аппаратное обеспечение для ИИ. Успех Cognichip будет зависеть не только от технологий, но и от способности преодолеть барьеры, связанные с закрытостью данных в этой сфере, и доказать свою эффективность на реальных коммерческих проектах.