Cognichip宣布完成一轮6000万美元融资，计划加速推进利用人工智能参与芯片设计的技术研发。公司称，其深度学习模型可与工程师协同工作，用于设计新型计算机芯片，并有望显著降低成本、缩短开发周期。

据介绍，Cognichip正在开发的系统旨在应对芯片设计长期存在的高复杂度、高成本和周期漫长等问题。当前先进芯片从构想到量产通常需要三到五年时间，其中设计阶段可能长达两年，之后才进入物理布局环节。以英伟达最新GPU Blackwell为例，其集成约1040亿个晶体管，设计与布局工作量巨大。

Cognichip首席执行官兼创始人Faraj Aalaei表示，在新芯片设计周期内，市场环境可能发生变化，从而影响相关投资回报。他希望将软件工程领域用于加速开发的AI工具引入半导体设计流程。“这些系统现在已经足够智能，只需引导并告诉它们你想要的结果，它们就能生成优美的代码，”Aalaei在接受TechCrunch采访时说。

Aalaei称，Cognichip的技术有能力将芯片开发成本降低75%以上，并将整体开发周期缩短一半以上。公司自2024年成立以来，累计融资已达9300万美元。

本轮融资由Seligman Ventures领投，英特尔首席执行官谭立武（Lip-Bu Tan）参与投资。融资完成后，谭立武将加入Cognichip董事会，Seligman管理合伙人Umesh Padval也将出任董事。

尽管如此，Cognichip目前尚未展示通过其系统完成设计的新芯片，也未披露自去年9月以来合作的任何客户信息。

在技术路径上，Cognichip表示，其采用的是基于芯片设计数据训练的专用模型，而非通用大型语言模型。这一做法对训练数据提出较高要求。与大量开源代码可用于训练AI编码助手的软件开发领域不同，芯片设计师通常严格保护知识产权，相关设计数据难以公开获取。

为此，Cognichip构建了自有数据集，其中包括合成数据以及从合作伙伴处获得授权的数据。公司还制定了相应流程，使芯片制造商在不泄露专有信息的前提下，能够使用自身数据对Cognichip模型进行安全训练。

在缺乏专有数据的场景下，Cognichip则依托开源替代方案。去年的一次演示中，公司邀请圣何塞州立大学电气工程专业学生在黑客马拉松活动中试用其模型。参与团队利用该模型，基于开源RISC-V芯片架构设计了一款CPU。RISC-V是一种任何人都可在其基础上构建的免费指令集架构。

Cognichip所处赛道竞争者众多，包括Synopsys、Cadence Design Systems等传统EDA厂商，以及ChipAgents、Ricursive等新兴初创公司。公开信息显示，ChipAgents今年2月完成7400万美元A轮扩展融资，Ricursive则在今年1月完成3亿美元A轮融资。

Seligman管理合伙人Padval表示，目前流向AI基础设施领域的资本规模，是其40年投资生涯中见到的最大之一。他称，如果当前被视为半导体和硬件的“超级周期”，那么对Cognichip这类企业而言同样如此。