Найдосконаліші кремнієві чипи прискорили розвиток штучного інтелекту. Чи зможе тепер ШІ відповісти тим самим?
Cognichip створює модель глибокого навчання, яка працюватиме разом з інженерами над проєктуванням нових комп’ютерних чипів. Проблема, яку вона намагається вирішити, супроводжує індустрію десятиліттями: проєктування чипів є надзвичайно складним, непомірно дорогим і повільним. Сучасні чипи потребують від трьох до п’яти років, щоб пройти шлях від задуму до масового виробництва; лише фаза проєктування може тривати до двох років, перш ніж почнеться фізичне компонування. Врахуйте, що остання лінійка GPU від Nvidia, Blackwell, містить 104 мільярди транзисторів — це величезний обсяг роботи.
За час, необхідний для створення нового чипа, ринок може змінитися, і всі інвестиції стануть марними, каже генеральний директор і засновник Cognichip Фарадж Аалагі. Його мета — перенести у сферу проєктування напівпровідників ті інструменти ШІ, які інженери-програмісти вже використовують для прискорення своєї роботи.
«Ці системи стали достатньо інтелектуальними, щоб, просто спрямовуючи їх і пояснюючи, який результат ви хочете отримати, вони могли створювати гарний код», — розповів Аалагі TechCrunch.
Він стверджує, що технологія фірми може зменшити вартість розробки чипів більш ніж на 75% і скоротити терміни більш ніж удвічі.
Компанія вийшла зі стелс-режиму минулого року і в середу оголосила, що залучила 60 мільйонів доларів нового фінансування під керівництвом Seligman Ventures, з помітною участю генерального директора Intel Ліп-Бу Тана, який приєднається до ради директорів Cognichip. Умеш Падвал, керуючий партнер Seligman, також увійде до ради. Від заснування у 2024 році Cognichip загалом залучив 93 мільйони доларів.
Тим не менш, Cognichip поки не може продемонструвати новий чип, розроблений за допомогою його системи, і не розкриває жодного клієнта, з яким, за його словами, співпрацює з вересня.
Компанія заявляє, що її перевага полягає у використанні власної моделі, навченої на даних проєктування чипів, а не в тому, щоб починати з великої мовної моделі загального призначення. Для цього знадобився доступ до навчальних даних з конкретної предметної області, що є непростим завданням. На відміну від розробників програмного забезпечення, які відкрито діляться величезними обсягами коду, проєктувальники чипів ретельно охороняють свою інтелектуальну власність, що робить великі відкриті сховища даних, які зазвичай використовуються для навчання ШІ-помічників з кодування, практично недоступними.
Cognichip довелося створювати власні набори даних, зокрема синтетичні, а також ліцензувати дані у партнерів. Фірма також розробила процедури, які дозволяють виробникам чипів безпечно навчати моделі Cognichip на своїх власних пропрієтарних даних, не розкриваючи їх.
Там, де пропрієтарні дані недоступні, Cognichip покладається на відкриті альтернативи. Під час одного з минулорічних демо Cognichip запросив студентів-електротехніків Державного університету Сан-Хосе випробувати модель у хакатоні. Команди змогли використати модель для проєктування процесорів на основі відкритої архітектури чипів RISC-V — безкоштовно доступного дизайну, на основі якого кожен може будувати.
Cognichip конкурує з такими усталеними гравцями, як Synopsys і Cadence Design Systems, а також з добре фінансованими стартапами, як-от ChipAgents, який у лютому закрив розширений раунд Series A на $74 млн, і Ricursive, який у січні залучив $300 млн раунду Series A.
Падвал зазначив, що поточний потік капіталу в інфраструктуру ШІ є найбільшим за 40 років його інвестування.
«Якщо це суперцикл для напівпровідників та апаратного забезпечення, то це суперцикл і для таких компаній, як Cognichip», — сказав він.
Залишити відповідь