最先进的硅芯片加速了人工智能的发展。现在人工智能可以报答吗？

认知芯片正在构建一个深度学习模型，以便与工程师一起设计新的计算机芯片。它试图解决的问题是该行业几十年来一直面临的问题：芯片设计极其复杂、昂贵且缓慢。先进芯片从构思到量产需要三到五年的时间；仅设计阶段就可能需要长达两年的时间才能开始物理布局。考虑一下 Nvidia GPU 的最新系列 Blackwell，包含 1040 亿个晶体管，数量众多。

Cognichip 首席执行官兼创始人 Faraj Aalaei 表示，在创建新芯片所需的时间里，市场可能会发生变化，导致所有投资都变成浪费。Aalaei 的目标是将软件工程师用来加快工作速度的人工智能工具引入半导体设计领域。 

“这些系统现在已经变得足够智能，只需引导它们并告诉它们您想要的结果，它实际上就可以生成漂亮的代码，”Aalaei 告诉 TechCrunch。

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

该公司去年从隐秘状态中脱颖而出，周三表示已筹集了 6000 万美元的新资金，由 Seligman Ventures 领投，英特尔首席执行官 Lip-Bu Tan 也参与其中，他将加入 Cognichip 董事会。Seligman 的执行合伙人 Umesh Padval 也将加入董事会。自 2024 年成立以来，Cognichip 已累计筹集 9300 万美元。

尽管如此，Cognichip 还无法指出使用其系统设计的新芯片，也没有透露自 9 月份以来一直在合作的任何客户。 

该公司表示，其优势在于使用自己的芯片设计数据训练模型，而不是从通用的法学硕士开始。这需要访问特定领域的训练数据，这是一个不小的壮举。与公开共享大量代码的软件开发人员不同，芯片设计人员严密保护自己的知识产权，这使得通常用于训练人工智能编码助手的开源宝库基本上无法使用。

Cognichip 必须开发自己的数据集，包括合成数据和来自合作伙伴的许可数据。该公司还开发了程序，允许芯片制造商在不泄露数据的情况下，利用自己的专有数据安全地训练 Cognichip 模型。

在无法获得专有数据的情况下，Cognichip 则依靠开源替代方案。在去年的一次演示中，Cognichip 邀请圣何塞州立大学电气工程专业的学生在黑客马拉松中尝试该模型。团队能够使用该模型来设计基于 RISC-V 开源芯片架构的 CPU，这是一种任何人都可以构建的免费设计。

Cognichip 的竞争对手包括 Synopsys 和 Cadence Design Systems 等老牌企业，以及 ChipAgents 等资金雄厚的初创公司，ChipAgents 在 2 月份完成了 7400 万美元的扩展 A 轮融资，Ricursive 则筹集了资金3亿美元的A轮融资一月轮。

帕德瓦尔表示，目前涌入人工智能基础设施的资本规模是他 40 年来所见过的最大的投资规模。

“如果这是半导体和硬件的超级周期，那么对于 [Cognichip] 这样的公司来说也是一个超级周期，”他说。