因為公眾號平臺更改了推送規則。記得點右下角的大拇指“贊”和紅心“推薦”。這樣每次新文章推送，就會第一時間出現在訂閱號列表里。
最先進的芯片加速了AI的發展。那么如今，AI能否反過來回報人類呢？
Cognichip正在構建一個深度學習模型，以便在工程師設計新計算機芯片的過程中為其提供協助。它試圖解決的問題是該行業數十年來一直面臨的一個難題：芯片設計極其復雜、成本高昂且速度緩慢。先進的芯片從概念設計到大規模生產需要三到五年的時間；僅設計階段就可能長達兩年。想想看，英偉達最新的 GPU 系列Blackwell就包含1040 億個晶體管——要排列這么多晶體管可不是一件容易的事。
Cognichip CEO兼創始人Faraj Aalaei表示，在制造新芯片所需的時間內，市場就可能發生變化，導致所有這些投資都付諸東流。Aalaei的目標是將軟件工程師們用于加快工作進度的那種AI工具引入到半導體設計領域。
Aalae向TechCrunch表示：“這些系統如今已經足夠智能化了，只需對它們進行引導，并告知它們你想要的結果是什么，就能真正生成出高質量的代碼。”
他表示，該公司的技術能夠將芯片開發的成本降低超過75%，并將開發周期縮短一半以上。
該公司去年低調運營，于本周三宣布已獲得由Seligman風投公司牽頭的6000 萬美元新資金支持，英特爾CEO Lip-Bu Tan也參與其中，他將加入Cognichip的董事會。Seligman的管理合伙人Umesh Padval也將加入董事會。自2024 年成立以來，Cognichip已累計籌集資金9300 萬美元。
不過，Cognichip目前仍無法提供采用其系統設計的新款芯片的相關信息，并且也未透露自9 月以來與其合作的任何客戶的具體情況。
該公司表示，其優勢在于使用基于芯片設計數據訓練而成的自身模型，而非從通用型語言模型入手。這需要獲取特定領域的訓練數據，這并非易事。與公開分享大量代碼的軟件開發者不同，芯片設計者會嚴密保護其知識產權，因此通常用于訓練AI編碼助手的那種開源資源幾乎無法獲取。
Cognichip不得不自行創建數據集，包括模擬數據，并從合作伙伴處獲取數據。該公司還開發了相關程序，使芯片制造商能夠利用其自身的專有數據安全地訓練Cognichip的模型，同時又不會將這些數據暴露出去。
由于缺乏專有數據，Cognichip轉而采用了開源替代方案。去年的一次演示中，Cognichip邀請了圣何塞州立大學的電氣工程學生參加一場黑客馬拉松活動，讓他們試用該模型。各團隊能夠利用該模型基于RISC-V 開源芯片架構來設計中央處理器——這是一種任何人都可以自由使用的設計基礎。
Cognichip正在與諸如Synopsys和Cadence這樣的老牌企業展開競爭，同時也在與諸如ChipAgents（其在二月份完成了7400 萬美元的擴展性A 輪融資）和Ricursive（其在一月份完成了30 億美元的A 輪融資）這樣的資金雄厚的初創企業競爭。
Padval表示，當前大量資本涌入AI基礎設施領域的情況是他 40 年投資生涯中所見過的規模最大的一次。
他說：“如果半導體和硬件行業迎來了超級繁榮期，那么像Cognichip這樣的公司也將迎來超級發展的時期。”
原文鏈接：
高端微信群介紹 | |
創業投資群 | AI、IOT、芯片創始人、投資人、分析師、券商 |
閃存群 | 覆蓋5000多位全球華人閃存、存儲芯片精英 |
云計算群 | 全閃存、軟件定義存儲SDS、超融合等公有云和私有云討論 |
AI芯片群 | 討論AI芯片和GPU、FPGA、CPU異構計算 |
5G群 | 物聯網、5G芯片討論 |
第三代半導體群 | 氮化鎵、碳化硅等化合物半導體討論 |
存儲芯片群 | DRAM、NAND、3D XPoint等各類存儲介質和主控討論 |
汽車電子群 | MCU、電源、傳感器等汽車電子討論 |
光電器件群 | 光通信、激光器、ToF、AR、VCSEL等光電器件討論 |
渠道群 | 存儲和芯片產品報價、行情、渠道、供應鏈 |
< 長按識別二維碼添加好友 >
加入上述群聊
帶你走進萬物存儲、萬物智能、
萬物互聯信息革命新時代
