堆代码讯 顶尖高端芯片曾是人工智能飞速发展的核心硬件底座，支撑着大模型从诞生到爆发的每一步。如今，当生成式 AI 的能力日趋成熟，这场技术的双向奔赴正在上演：AI 能否反过来，为芯片研发按下 “加速键”？硅谷初创公司 Cognichip，正试图用深度学习模型给出答案。这家公司正在搭建专属的 AI 模型，赋能工程师完成全新的芯片设计工作，目标直指半导体行业困扰了数十年的沉疴：芯片研发流程极度复杂、成本高昂且周期漫长。

如今的高端芯片研发，早已不是小团队可以完成的轻量工作。一款高端芯片从立项到量产，往往需要耗时三至五年，仅前期设计阶段就可能长达两年，之后才会进入复杂的物理版图布局环节。以英伟达最新一代布莱克韦尔架构 GPU 为例，其单颗芯片集成的晶体管数量就高达 1040 亿颗，可想而知，其版图布局的设计工作量何其庞大。

在 Cognichip 创始人兼首席执行官法拉吉・阿拉伊看来，如此漫长的研发周期，正在成为行业的巨大风险。一款全新芯片的研发周期内，市场格局随时可能发生变化，最终让企业数亿美元的巨额研发投入付诸东流。他的目标，是将软件工程领域已经验证过的、能够提速增效的 AI 工具，全面引入半导体芯片设计赛道。

“如今这类智能系统已足够成熟，工程师只需给出方向、明确预期效果，模型就能自主生成优质代码。” 阿拉伊在接受 TechCrunch 采访时这样表示。他透露，依托公司自研的技术，有望将芯片研发成本削减超 75%，同时将整体开发周期缩短过半。

不久前，这家此前一直低调隐身的企业正式对外亮相，宣布完成 6000 万美元的新一轮融资。本轮融资由塞利格曼风投（Seligman Ventures）领投，英特尔董事长陈立武通过旗下风投基金华登国际深度参投，陈立武本人也将入驻 Cognichip 的董事会；与此同时，领投方塞利格曼的董事总经理乌梅什・帕德瓦尔也将出任公司董事。自 2024 年成立至今，Cognichip 累计融资总额已达 9300 万美元，资本的看好可见一斑。

不过截至目前，Cognichip 尚未推出依托自家系统设计落地的量产芯片，也未披露自去年 9 月以来合作客户的具体信息，其技术的实际落地效果，仍有待市场验证。相较于市面上的通用大语言模型，Cognichip 的核心优势，在于搭建了基于芯片设计专属数据训练的自研 AI 模型。而搭建这类垂直领域的模型，首先要攻克的就是专业训练数据的获取难题 —— 这本身就是一项巨大的挑战。

软件开发领域有着海量的开源代码可供共享，这也是 GitHub Copilot 等 AI 编码助手能够快速成熟的基础；但芯片领域截然不同，芯片企业对自身的知识产权严防死守，业内根本没有能够用于训练 AI 编码助手的开源芯片数据库。为了破解这一难题，Cognichip 选择了多管齐下：一方面，公司自主搭建了数据集，其中包含大量合成仿真数据，同时向合作企业授权采购专业数据；另一方面，他们还研发出了安全训练机制，能够助力芯片厂商在不泄露核心机密的前提下，用自有专利数据优化迭代 Cognichip 的 AI 模型，解决了企业的数据安全顾虑。

除此之外，针对无专利授权数据的场景，企业也依托开源资源补齐短板。去年的一场技术演示活动中，Cognichip 邀请圣何塞州立大学电气工程专业的学生参与黑客松大赛，参赛团队借助其 AI 模型，基于开源的 RISC-V 芯片架构完成了 CPU 设计 —— 这一架构开放免费，全行业均可进行二次开发迭代，也为模型的训练提供了合规的开源数据来源。

不过，AI + 芯片设计的赛道早已拥挤不堪。Cognichip 不仅要迎战新思科技（Synopsys）、楷登电子（Cadence）等深耕行业数十年的老牌 EDA 巨头，还要与多家资本加持雄厚的新锐初创企业同台竞技。其中，阿尔法设计 AI（Alpha Design AI）于 2025 年 10 月完成了 2100 万美元的 A 轮融资，ChipAgentsAI 则在今年 2 月敲定了 7400 万美元的 A 轮追加融资，赛道的火热程度可见一斑。

塞利格曼风投的合伙人帕德瓦尔坦言，如今涌入 AI 基础设施赛道的资本热度，是他四十余年投资生涯中前所未有的。在他看来，半导体与硬件行业正迎来全新的超级景气周期，而 Cognichip 这类用 AI 重构芯片研发逻辑的企业，必将乘风而起、顺势腾飞。