CognichipはAIが動力となるチップの設計を目指し、挑戦のために6000万ドルを調達

最先端のシリコン・チップは、人工知能（AI）の発展を加速させてきました。ではAIは今、その恩返しをできるのでしょうか？

Cognichipは、エンジニアが新しいコンピュータ・チップを設計する際に並走するためのディープラーニング・モデルを構築しています。同社が解決しようとしているのは、業界が何十年も抱えてきた問題です。チップ設計は極めて複雑で、莫大なコストがかかり、しかも時間がかかります。先進的なチップは、構想から量産までに3〜5年かかりますし、設計フェーズだけでも、物理レイアウトに着手するまでに最長2年かかることがあります。最新のNvidia GPUのラインナップであるBlackwellには、1,040億個のトランジスタが含まれています——それだけ大量の部品をきっちり並べる必要があるということです。

新しいチップを作るのにかかる期間の間に、市場が変化して、それまでの投資がすべて無駄になる可能性がある、とCognichipのCEO兼創業者のFaraj Aalaeiは言います。Aalaeiの目標は、ソフトウェア・エンジニアが作業を加速させるために使ってきた種類のAIツールを、半導体設計の領域にも持ち込むことです。 

「これらのシステムは、十分にインテリジェントになりました。つまり、ただガイドして、あなたが望む結果を伝えるだけで、実際に美しいコードを生成できるんです」と、AalaeiはTechCrunchに語りました。

同氏によれば、同社の技術はチップ開発のコストを75%以上削減し、スケジュール（期間）も半分以上短縮できるそうです。 

同社は昨年ステルス状態から表に出て、水曜日に、Seligman Venturesが主導する形で、セレグマン・ベンチャーズ主導の新たな資金調達として6,000万ドルを獲得したと発表しました。IntelのCEOであるLip-Bu Tanも著名な参加者として名を連ねており、同氏はCognichipの取締役会に加わる予定です。Seligmanのマネージング・パートナーであるUmesh Padvalも取締役会に加わります。Cognichipはこれで、2024年の創業以来、合計9,300万ドルを調達したことになります。

とはいえ、Cognichipはまだ、同社のシステムで設計された新しいチップを提示できておらず、また9月以降共同していると同社が述べている顧客についても、いかなる情報も開示していません。 

同社によれば、強みは汎用のLLMから始めるのではなく、チップ設計データで自社のモデルを学習させている点にあります。そのためには、ドメイン固有の学習データへのアクセスが必要で、これは簡単なことではありません。コードを大量にオープンに共有するソフトウェア開発者とは異なり、チップ設計者は自社のIP（知的財産）を厳重に守ります。したがって、通常AIコーディング支援ツールを学習させるために使われるようなオープンソースの巨大なデータ置き場のようなものは、ほとんど利用できません。

Cognichipは、合成データを含む独自のデータセットを開発し、パートナーからライセンスデータも取得してこなければなりませんでした。同社はまた、チップメーカーが自社の専有データでCognichipのモデルを安全に学習できるようにする手順も開発しています。これにより、データを外部に公開することなく学習できます。

独自データが利用できない場合、Cognichipはオープンソースの代替手段に頼ってきました。昨年のあるデモでは、Cognichipがサンノゼ州立大学の電気工学の学生を招き、ハッカソンでモデルを試してもらいました。チームは、このモデルを使ってRISC-Vのオープンソース・チップ・アーキテクチャに基づくCPUの設計が可能でした——誰でも自由に土台として構築できる、無償で利用できる設計です。

Cognichipは、SynopsysやCadence Design Systemsのような既存の大手企業に加え、ChipAgentsのように資金が潤沢なスタートアップとも競合しています。ChipAgentsは2月に拡張Series Aで7,400万ドルをクローズしました。さらにRicursiveも競合しており、1月に3億ドルのSeries Aを調達しています。

Padvalは、AIインフラへの資本の流入が、投資家として40年見てきた中で最大規模だと述べました。

「もし半導体とハードウェアが“スーパーサイクル”なら、[Cognichip]のような会社にとっても“スーパーサイクル”です」と同氏は語りました。