Najnapredniji silicijski čipovi ubrzali su razvoj umjetne inteligencije. Sada može li AI uzvratiti uslugu?
Cognichip gradi model dubokog učenja koji će raditi uz inženjere dok dizajniraju nove računarske čipove. Problem koji pokušavaju riješiti je onaj s kojim se industrija suočava desetljećima: Dizajn čipova je izuzetno složen, izuzetno skup i spor. Napredni čipovi trebaju tri do pet godina da pređu od koncepta do masovne proizvodnje; faza dizajniranja sama može trajati do dvije godine prije nego što započne fizičko oblikovanje. Uzmite u obzir da najnovija serija Nvidia GPU-a, Blackwell, sadrži 104 milijarde tranzistora — to je puno za usklađivanje.
Za vrijeme koje je potrebno za stvaranje novog čipa, CEO i osnivač Cognichipa, Faraj Aalaei, kaže da se tržište može promijeniti i učiniti sve te investicije uzaludnima. Aalaeijev cilj je donijeti vrstu AI alata koje su softverski inženjeri koristili za ubrzavanje svog rada u područje dizajna poluvodiča.
“Ovi sustavi su sada postali dovoljno inteligentni da, samo ih vodeći i govoreći im koji je rezultat koji želite, zapravo mogu proizvesti prekrasan kod,” rekao je Aalaei za TechCrunch.
On kaže da tehnologija tvrtke može smanjiti troškove razvoja čipova za više od 75% i skratiti vremenski okvir za više od polovice.
Tvrtka je izašla iz sjene prošle godine i u srijedu je objavila da je prikupila 60 milijuna dolara novog financiranja predvođenog Seligman Venturesom, uz značajno sudjelovanje CEO-a Intela Lip-Bu Tana, koji će se pridružiti upravnom odboru Cognichipa. Umesh Padval, upravni partner u Seligmanu, također će se pridružiti odboru. Cognichip je do sada ukupno prikupio 93 milijuna dolara od svog osnivanja 2024. godine.
Ipak, Cognichip još ne može pokazati novi čip dizajniran svojim sustavom i nije otkrio nijednog od kupaca s kojima kaže da surađuje od rujna.
Tvrtka tvrdi da je njezina prednost u korištenju vlastitog modela obučenog na podacima o dizajnu čipova, umjesto da započne s općim LLM-om. To je zahtijevalo pristup specifičnim podacima za obuku, što nije mala stvar. Za razliku od softverskih programera koji dijele velike količine koda javno, dizajneri čipova čuvaju svoju intelektualnu svojinu, čineći otvoreni izvor podataka koji obično obučava AI asistente za kodiranje uglavnom nedostupnim.
Cognichip je morao razviti vlastite skupove podataka, uključujući sintetičke podatke, i licencirati podatke od partnera. Tvrtka je također razvila procedure koje omogućuju proizvođačima čipova sigurno obučavanje Cognichipovih modela na vlastitim vlasničkim podacima bez izlaganja.
Gdje vlasnički podaci nisu dostupni, Cognichip se oslanjao na alternative otvorenog koda. U jednom demo događaju prošle godine, Cognichip je pozvao studente elektrotehnike na Državnom sveučilištu San Jose da isprobaju model na hackathonu. Timovi su mogli koristiti model za dizajniranje CPU-a temeljenih na RISC-V otvorenoj arhitekturi čipova — dizajnu koji je slobodno dostupan i na kojem svatko može raditi.
Cognichip se natječe protiv postojećih igrača poput Synopsysa i Cadence Design Systems, kao i dobro financiranih startupova poput ChipAgents, koji je u veljači zatvorio proširenu Seriju A od 74 milijuna dolara, i Ricursive, koja je prikupila 300 milijuna dolara u Seriji A u siječnju.
Padval je rekao da je trenutni porast kapitala u AI infrastrukturi najveći koji je vidio u 40 godina investiranja.
“Ako je to super ciklus za poluvodiče i hardver, to je super ciklus za tvrtke poput [Cognichipa],” rekao je.
