摘要：芯片设计AI 模型初创公司Cognichip既不是无晶圆厂半导体公司，也不是EDA 公司；Cognichip 首席产品官 Stelios Diamantidis 告诉 EE Times，它属于一个全新的领域。

本文由半导体产业纵横（ID：ICVIEWS）编译自wccftech

AI 新势力要破局。

芯片设计AI 模型初创公司Cognichip既不是无晶圆厂半导体公司，也不是EDA 公司；Cognichip 首席产品官 Stelios Diamantidis 告诉 EE Times，它属于一个全新的领域。

“人工智能正在帮助我们重新思考整个市场，”他说道。“像Cognichip这样的公司正在参与解决无晶圆厂公司内部很大一部分的工作，但我们正在创建一个名为AI芯片设计的新领域，它将充当（无晶圆厂公司和EDA公司之间的）第三方。”

Cognichip 试图解决的问题是当今制造芯片所需的投资水平，这个问题大大增加了芯片初创企业的进入门槛。

“根据你构建的应用程序类型，你很容易就会投入2亿或3亿美元，”他说。“检验你打造的产品是否成功的过程也很漫长；要获得第一批样品可能需要几年时间，而且这还是在一切顺利、你的专家团队从第一天起就能随时待命的情况下。”

两年后，当你拿到第一批样品时，它们可能仍然需要修改或重新设计。迪亚曼蒂迪斯表示，从构思产品到真正测试其产品与市场的契合度，时间间隔可能长达五年，并指出新软件通常在几周内就能被采用。这绝不是一个理想的情况。

“软件可以在几周内覆盖1亿用户，但它运行在五年前的硬件上，”他说。“所以，如果你问我，作为一个半导体人，我现在应该为2030年设计什么？我不知道，但我会要求人们投入3亿美元来支持这个说法。”

他说，这会导致可编程设计，如果对未来工作负载有更多的了解，其性能可能会更高。

当前的芯片设计阶段在20世纪90年代就已经正式化，遵循瀑布模型，即从抽象到抽象，在进入下一阶段之前进行局部优化。Diamantidis表示，这个过程非常僵化；没有机会回头重新评估需求或引入新功能。

迪亚曼蒂迪斯表示，结果是，与21 世纪初相比，开始或完成从种子到 IPO 的半导体初创公司越来越少，大多数成功案例都归属于拥有大量经验丰富、资源丰富的高效芯片设计团队的大型公司。

“我们希望改变这一切，”他说。“我们希望通过解决整体设计流程问题，让人们能够更轻松地以更小的团队、更少的长期专业知识储备以及更少的投资来构建芯片。”

Cognichip 正利用其基于物理原理、专为芯片设计而构建的基础模型，引领半导体设计周期的革新。Diamantidis 表示，虽然单一基础模型是否适用于所有垂直行业、技术/设计风格尚待确定，但其他领域的行业趋势是混合使用更专业的模型。该模型（或多个模型）将利用芯片设计中已有的抽象概念，从产品定义到 GDS 代码，以计算速度而非设计速度来设计芯片。最终结果是能够以更少的资源完成更多工作——以更少的人力更快地开发更多芯片——从而降低芯片设计的门槛。

这个AI基础模型的原材料是数据。

“当谈到芯片设计数据时，没有简单或免费的答案，”迪亚曼蒂迪斯说。

他说，可用的开源数据越来越多，如果你知道自己在做什么，这些数据可以提供一些价值，但追踪授权要求可能会很复杂。大型开源LLM的构建者也可以获得这些数据，因此仅使用这些数据，就可以开发出一个芯片设计能力与开源LLM相当的模型。

Cognichip 组建了一支内部芯片设计师团队，负责创建专有芯片设计数据，同时还拥有一支规模庞大的 AI 团队，负责开发合成数据以增强其功能。合成数据需要其自身的模型来生成和评估，当然，确保公司拥有强大的数据治理政策，将其与人工生成的数据或开源数据区分开来至关重要。

另一个重要的数据来源是从芯片公司获得授权；除了招聘和计算能力之外，这是Cognichip在其3300万美元种子轮融资中的另一项重大支出。获得这些数据的授权需要各种方案、协议和结构——这是该公司正在谨慎应对的一项重大挑战。

“我们已经学会了如何做好这件事，因为这不仅仅是敲开别人的门说，嘿，我可以用你的数据来训练吗？”迪亚曼蒂迪斯说。“这关乎构建生态系统和共同价值，这样他们才会真正与你合作，并开发技术来吸收这些数据并使其变得有意义，因为这可能需要数年时间。”

Cognichip 的目标之一是为那些无法从内部获取此类数据的公司（例如初创公司）提供公平的竞争环境。

迪亚曼蒂迪斯表示：“从概念上讲，初创公司与大公司相比处于劣势，但这种劣势并不比对抗一个拥有从概念到 GDS 一切的强大 IDM 体系更明显。”

他指出，虽然大型芯片公司拥有相关的架构和实现数据，但这些数据非常特定于特定应用（例如，GPU、应用处理器或网络芯片数据）。这些数据还基于其他数据，这些数据可能来自设计工具算法、授权 IP 和代工厂 PDK。

无论如何，像Cognichip 这样的公司都旨在让初创公司能够访问他们可以参与的数据生态系统。

Cognichip 正在提出“人工智能芯片”（ACI）的概念，并精心定义了芯片设计中由人工智能驱动的十个自动化级别。Diamantidis 表示，目前高级（但通用）的法学硕士课程在经验丰富的芯片设计师的指导下可以达到 ACI 一级。

他说：“该行业需要一份达到 ACI 9 的路线图，这将是一份多年的路线图。”

ACI 9 代表了解决芯片设计问题时达到人类水平的认知能力。Cognichip 希望将 ACI 9 模型应用于设计师，帮助他们显著提高效率。

“我认为我们终将达到这样一个境界：任何人都可以设计芯片，即使他们没有任何专业知识，”迪亚曼蒂迪斯说道。“我之所以能这么说，是因为我们这里有人在做这件事！我们的团队拥有人工智能和芯片设计方面的背景——人工智能专家对芯片设计一无所知，但他们有能力自己设计芯片。”

他补充道，Cognichip 的一些 AI 设计师利用业余时间从事芯片设计工作，其中一些人甚至制作了“非常复杂”的子系统，甚至是整个芯片。

“我不会说芯片设计的艺术将会消失，它将继续是一门艺术，专家和新手之间将会有区别，”他说。“但这个界限将会大大缩小。”

他表示，更高水平的ACI 可以降低芯片设计的进入门槛，不仅适用于初创企业，也适用于各国自主半导体产业的努力，特别是对于主要使用第三方 IP 的设计（定制逻辑更难）。

Diamantidis 预计，先进的人工智能驱动设计将产生进一步的二阶和三阶效应；其中之一可能是通过使制造过程节点之间更容易移植设计，从而提高供应链的灵活性。

*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。

想要获取半导体产业的前沿洞见、技术速递、趋势解析，关注我们！

来源：半导体产业纵横一点号