בואו נדבר רגע על השלב שאף אחד לא רואה, אבל כולם תלויים בו: השבבים. בלי סיליקון טוב אין מודלים טובים, בלי תכנון נכון אין ביצועים, ובלי תהליך מהיר אין “עוד כפתור קסם” לאנשים עם GPUים נוצצים. עכשיו Cognichip רוצה להפוך את הקערה: לתת ל-AI לעצב את השבבים עצמם.
החברה, שעלתה מהמצב הסודי בשנה שעברה, הכריזה שהיא גייסה 60 מיליון דולר נוספים. את הסבב הובילה Seligman Ventures, עם הצטרפות של ליפ-בו טאן, מנכ"ל אינטל, שיצטרף לדירקטוריון. גם אומש פדוואל, שותף מנהל ב-Seligman, ייכנס לדירקטוריון. מאז שהחברה הוקמה ב-2024, היא כבר גייסה יחד 93 מיליון דולר.
למה בכלל צריך AI בתכנון שבבים?
כי תכנון שבבים הוא אחד הדברים היותר מעצבנים שיש בעולם הטכנולוגי: מורכב בצורה מפחידה, יקר בטירוף, ואיטי. כדי להגיע משלב הרעיון ועד לייצור המוני של שבב מתקדם, אפשר לדבר על 3 עד 5 שנים. אפילו שלב התכנון עצמו יכול לקחת עד שנתיים לפני שמתחילים פריסה פיזית.
ועכשיו תוסיפו לזה את המפלצתיות של השבבים המודרניים. למשל, בקו האחרון של Nvidia, Blackwell, יש 104 מיליארד טרנזיסטורים. זה כמו לבנות עיר שלמה עם מיליארדים של בתים, ואז לנסות לוודא שכולם לא יקרסו מהר מדי.
Faraj Aalaei, מייסד ומנכ"ל Cognichip, אומר שהבעיה לא רק טכנית אלא גם עסקית: עד שסוגרים שבב חדש, השוק יכול להשתנות, וההשקעה יכולה להתברר כלא רלוונטית. לכן הוא רוצה להביא לעולם הסמיקונדקטורים את סוג הכלים שהמתכנתים כבר משתמשים בהם כדי לזרז עבודה.
מה Cognichip עושה בפועל?
החברה בונה מודל ללמידה עמוקה שיעבוד לצד מהנדסים בזמן שהם מתכננים שבבים. הרעיון הוא דומה למה שאנחנו מכירים מעולמות תוכנה: במקום להתחיל מאפס, מכוונים את המערכת למה רוצים, וה-AI מייצר קוד “יפה” ואפשר לעבוד איתו. רק שבמקרה הזה הקוד הוא לא רק טקסט. הוא חלק מהלוגיקה והפריסה של חומרה.
לפי החברה, הטכנולוגיה שלה יכולה להוריד ביותר מ-75% את עלות פיתוח השבב ולהקטין בחצי לפחות את משך הזמן עד לתוצאה.
החלק הקשה: נתונים. הרבה נתונים. של שבבים.
כאן מגיע הטריק החנוני באמת. כדי לאמן מודל שיחשוב כמו מתכנן שבבים, צריך דאטה ספציפי לעולם הזה. בניגוד למפתחי תוכנה, שמרשים לעצמם לשתף המון קוד בצורה פתוחה, מעצבי שבבים שומרים על הקניין הרוחני שלהם חזק. לכן מאגרי קוד פתוחים שמספיקים לאימון עוזרי קידוד לא ממש קיימים כאן.
Cognichip פיתחה דאטה משלה, כולל דאטה סינתטי, ורישתה מידע משותפים. בנוסף, היא בנתה תהליכים שמאפשרים ליצרני שבבים לאמן את המודלים על דאטה פרטי משלהם בצורה מאובטחת, בלי לחשוף את מה שלא אמור לצאת החוצה. ואם אין דאטה פרטי, החברה נשענת גם על חלופות בקוד פתוח.
בדמו שערכה בשנה שעברה, החברה נתנה לסטודנטים להנדסת חשמל מסן חוזה סטייט יוניברסיטי להתנסות במודל במסגרת האקתון. הקבוצות הצליחו לתכנן מעבדים (CPUs) לפי ארכיטקטורת RISC-V הפתוחה. כן, אותה אחת שאפשר לבנות עליה בלי לשלם על “זכות קיום” למישהו אחר.
מי המתחרים, וכמה כסף זורם פה?
בזירה הזאת יש שחקנים ותיקים כמו Synopsys ו-Cadence Design Systems, וגם סטארטאפים עם כסף גדול: ChipAgents, שחתמה בסבב A מורחב של 74 מיליון דולר בפברואר, ו-Ricursive, שגייסה 300 מיליון דולר בסבב A בינואר.
אומש פדוואל אמר שהשטף הנוכחי של השקעות בתשתיות AI הוא הגדול ביותר שהוא ראה ב-40 שנות השקעה. ואם זה באמת “סופר-סייקל” לסמיקונדקטורים והחומרה, אז חברות כמו Cognichip יכולות להרוויח בענק.
רק דבר אחד עדיין חסר: החברה לא הצביעה על שבב חדש אחד שתוכנן בפועל בעזרת המערכת שלה, וגם לא חשפה את הלקוחות שהיא עובדת איתם מאז ספטמבר. אז כן, זה מרגש. אבל גם זה השלב שבו כולם מחכים לראות אם ה-AI לא רק כותב יפה, אלא גם מתקתק ייצור כמו שצריך.
