随着AI加速渗透半导体设计流程，行业正尝试借助AI缩短原本以年计的开发周期，并降低高昂的设计成本。

据TechCrunch 4月1日报道，开发半导体设计AI模型的Cognichip已完成6000万美元新一轮融资。本轮融资由Seligman Ventures领投，Lip-Bu Tan通过其风投基金参投，并加入公司董事会。至此，Cognichip累计融资总额达到9300万美元。

Cognichip试图解决的核心问题，在于芯片设计周期长、成本高。先进芯片从概念设计到量产通常需要3至5年，仅前端设计到进入物理设计前的阶段，最长就可能耗时两年。与此同时，芯片复杂度还在不断上升。以Nvidia最新GPU架构Blackwell为例，其晶体管数量约为1040亿个，进一步推高了设计与优化难度。

针对这一痛点，Cognichip希望通过AI提升半导体设计效率。公司联合创始人兼CEO Faraz Alaei表示，AI系统已发展到“只需给出目标结果，就能生成高质量代码”的阶段，半导体设计也有望迎来类似的效率提升。公司称，采用其技术后，芯片开发成本可降低75%以上，开发周期可缩短一半以上。

与依赖通用大语言模型的路线不同，Cognichip采用的是面向芯片设计的专用模型。由于半导体设计数据通常受到知识产权保护，对外开放程度有限，公司表示，其模型训练结合了合成数据、授权数据以及自有的安全训练机制，可在不暴露客户敏感数据的前提下完成训练。

在数据获取更为有限的场景中，Cognichip也借助开源生态推进验证。公司此前在一场面向San Jose State University学生的黑客松活动中，演示了基于开源芯片架构RISC-V的CPU设计模型，以验证技术可行性。

不过，Cognichip目前仍处于商业化早期阶段。公司尚未公开由其系统设计的新芯片，也未披露合作客户名单。由于此次融资发生在产品和技术验证尚未完全展开的阶段，市场对其后续落地效果仍持观望态度。

在竞争层面，Cognichip不仅要面对EDA领域的传统巨头，如Synopsys和Cadence Design Systems，也要与一批AI初创公司展开竞争。近期，Alpha Design AI、ChipAgentsAI等企业也通过大额融资加快布局相关市场。

投资方则将这一趋势视为AI基础设施“超级周期”的一部分。Seligman Ventures管理合伙人Umesh Padval表示，当前流入AI基础设施领域的资本规模，是其40年投资生涯中所见最高水平之一；半导体与硬件领域的超级周期，也将为Cognichip这类公司带来发展机会。

随着AI的应用从软件开发进一步延伸至半导体设计，Cognichip能否真正改变行业格局，仍有待后续观察。其技术验证进展、商业化落地情况，以及与既有行业巨头的竞争表现，将成为接下来的关键看点。