最新的高端硅芯片加速了人工智能的發展。現在，人工智能能否回饋這一領域呢？Cognichip 正在構建一個深度學習模型，協助工程師設計新一代的計算機芯片。它所試圖解決的問題是業界長期以來所面對的：芯片設計非常複雜，成本高昂，且耗時冗長。從概念到量產，先進的芯片通常需要三到五年，而設計階段本身就可能需要長達兩年的時間，才會進行實體佈局。
舉例來說，最新的 Nvidia GPU 系列 Blackwell 擁有 1,040 億個晶體管，這樣的數量需要精確的排列。Cognichip 的首席執行官兼創始人 Faraj Aalaei 表示，在設計新芯片的過程中，市場狀況可能會發生變化，導致所有投資變得徒勞。因此，他的目標是將軟件工程師所使用的人工智能工具引入半導體設計領域，提升設計效率。
Aalaei 在接受 TechCrunch 訪問時提到：「這些系統已經變得足夠智能，只需要引導它們並告訴它們所需的結果，它們就能夠生成優雅的代碼。」他表示，該公司的技術可以將芯片開發的成本降低超過 75%，並將時間縮短超過一半。Cognichip 去年低調運作，今年三月宣佈已經獲得由 Seligman Ventures 主導的 6000 萬美元新一輪融資，Intel 首席執行官 Lip-Bu Tan 透過他的風險投資公司 Walden Catalyst Ventures 參與了此次融資，並將加入 Cognichip 的董事會。
此外，Seligman 的管理合夥人 Umesh Padval 也將加入董事會。自 2024 年成立以來，Cognichip 總共已經籌集到 9300 萬美元的資金。然而，Cognichip 尚未能指出利用其系統設計出來的新芯片，並且沒有透露自去年九月以來的客戶資訊。
Cognichip 表示其優勢在於使用專門針對芯片設計數據訓練的模型，而非通用的 LLM。這需要獲取特定領域的訓練數據，而這並非易事。與軟件開發者不同，芯片設計師通常會嚴格保護其知識產權，這使得通常用於訓練人工智能代碼助手的開源數據庫難以獲得。Cognichip 必須開發自己的數據集，包括合成數據，並且從合作夥伴那裡獲取授權數據。
該公司還制定了程序，允許芯片製造商安全地在自己的專有數據上訓練 Cognichip 的模型而不暴露數據。在無法獲取專有數據的情況下，Cognichip 也依賴於開源替代方案。去年，Cognichip 邀請聖荷西州立大學的電氣工程學生在一次黑客馬拉松中試用該模型。參賽團隊能夠利用該模型設計基於 RISC-V 開源芯片架構的 CPU，這是一種任何人都可以構建的免費設計。
Cognichip 目前正面臨來自行業內傳統競爭者如 Synopsys 和 Cadence Design Systems 的競爭，同時還有多家資金充足的初創企業。這些企業中包括 Alpha Design AI，該公司在 2025 年 10 月完成了 2100 萬美元的 A 輪融資，及 ChipAgentsAI，該公司在 2026 年 2 月完成了 7400 萬美元的擴展 A 輪融資。Padval 表示，目前流入人工智能基礎設施的資金是他在 40 年投資生涯中所見過的最多。
他指出：「如果這是半導體和硬件的超級周期，那麼對於像 Cognichip 這樣的公司來說，這也是一個超級周期。」
