Современные чипы ускорили развитие искусственного интеллекта. А теперь ИИ может отплатить тем же — взяться за проектирование новых процессоров.
Cognichip разрабатывает модель глубокого обучения, которая будет работать бок о бок с инженерами при создании компьютерных чипов. Проблема, которую она решает, знакома индустрии десятилетиями: проектирование чипов чрезвычайно сложное, дорогущее и медленное дело. На создание передового чипа уходит от трёх до пяти лет — от идеи до массового производства. Только этап проектирования может длиться до двух лет, прежде чем начнётся физическая компоновка. Для сравнения: в последних GPU от NVIDIA под названием Blackwell — 104 миллиарда транзисторов. Уложить всё это воедино — задача не из лёгких.
Пока чип создают, рынок может измениться, и все вложения окажутся выброшенными на ветер, говорит гендиректор и основатель Cognichip Фарадж Аалеи. Его цель — перенести в полупроводниковую отрасль те же инструменты ИИ, которые уже помогают разработчикам программного обеспечения ускорять свою работу.
«Сейчас эти системы стали достаточно умными: стоит лишь направить их и сказать, какой результат вы хотите, — и они сами создадут отличный код», — рассказал Аалеи изданию TechCrunch.
По его словам, технология компании может сократить расходы на разработку чипов более чем на 75%, а сроки — более чем вдвое.
Компания вышла из стадии скрытой разработки в прошлом году и на этой неделе объявила о привлечении $60 млн в новом раунде финансирования, который возглавил фонд Seligman Ventures. Среди инвесторов — гендиректор Intel Лип-Бу Тан, вложившийся через свой венчурный фонд Walden Catalyst Ventures. Он также войдёт в совет директоров Cognichip. Туда же присоединится Умеш Падвал, управляющий партнёр Seligman. Всего с момента основания в 2024 году компания привлекла $93 млн.
Преимущество в данных
Главное преимущество Cognichip — в использовании собственной модели, обученной на данных по проектированию чипов, а не на универсальной языковой модели (LLM). Но для этого нужно получить доступ к узкоспециализированным данным, что непросто. В отличие от разработчиков ПО, которые открыто делятся кодом, производители чипов тщательно охраняют свою интеллектуальную собственность. Поэтому массивы открытых данных, на которых обычно учат ИИ-ассистенты для программистов, здесь недоступны.
Компания была вынуждена создавать собственные наборы данных, включая синтетические, а также лицензировать информацию у партнёров. Кроме того, Cognichip разработала процедуры, позволяющие производителям чипов безопасно дообучать модели компании на своих проприетарных данных, не раскрывая их.
Там, где собственные данные недоступны, компания использует открытые альтернативы. В одном из демо в прошлом году Cognichip пригласила студентов-электронщиков из Университета штата Сан-Хосе поучаствовать в хакатоне. Участники с помощью модели спроектировали процессоры на базе открытой архитектуры RISC-V — бесплатной и доступной для всех платформы.
Конкуренция и перспективы
Cognichip конкурирует с гигантами вроде Synopsys и Cadence Design Systems, а также с хорошо профинансированными стартапами, такими как ChipAgentsAI, которая в феврале закрыла расширенный раунд серии A на $74 млн, и Ricursive, собравшая в январе $300 млн в рамках серии A.
Падвал отмечает, что нынешний поток капитала в инфраструктуру ИИ — крупнейший за 40 лет его инвестиционной карьеры.
«Если сейчас суперцикл для полупроводников и железа, то это суперцикл и для компаний вроде Cognichip», — сказал он.
Пока Cognichip не может похвастаться чипом, полностью созданным с помощью своей системы. Компания также не раскрыла имена клиентов, с которыми сотрудничает с сентября.