Cognichip获6000万美元融资:用AI重写芯片设计范式,挑战摩尔定律极限

芯片设计正面临前所未有的‘三重危机’:设计周期长达36个月、单次流片成本突破5000万美元、工程师经验依赖度极高。在先进制程逼近物理极限的当下,传统EDA工具已无法应对1040亿晶体管(如英伟达Blackwell)的自动布局布线挑战,行业亟需颠覆性方法论。

2026年4月25日,美国初创公司Cognichip宣布完成6000万美元A轮融资,由红杉资本领投。该公司构建的深度学习模型ChipSynth,首次将芯片设计全流程转化为序列生成任务:输入电路功能描述(Verilog-A)与工艺约束,模型直接输出可签核的GDSII版图。其核心技术‘物理感知注意力机制’能动态识别关键信号路径,在保证时序收敛前提下将互连延迟预测误差压缩至3.2ps以内。实测显示,ChipSynth将GPU核心模块设计周期从14周缩短至11天,功耗降低8.7%。

该突破将重塑全球半导体产业格局。对芯片设计公司而言,这意味着可快速迭代AI加速器等专用芯片,响应大模型算力需求爆发;对晶圆厂而言,其模型已适配台积电N3E与三星SF2工艺节点,可显著提升PDK(工艺设计套件)验证效率。更关键的是,它降低了芯片创业门槛——初创团队无需组建百人EDA团队,仅需5名熟悉硬件描述语言的工程师即可启动项目。

行业影响已初现端倪:英伟达已与其签署技术验证协议;Arm宣布将ChipSynth纳入其DesignStart计划,向中小芯片公司免费提供基础版授权。Gartner预测,到2027年,AI驱动的EDA工具将覆盖35%的先进芯片设计流程,推动全球芯片设计公司数量增长200%。

未来,Cognichip正研发‘芯片-系统协同优化’模型,目标在2027年实现SoC级全栈生成。当AI不仅能写代码,更能设计承载代码的物理载体,人类对算力边界的想象将被彻底刷新。