初创公司，要颠覆芯片设计
近日，一家名为Cognichip宣告成立，并官宣融资3300 万美元。
据该公司在融资新闻稿中所说，Cognichip 正在构建一个名为“人工智能芯片智能”（ACI：Artificial Chip Intelligence）的基础人工智能模型。该模型有望减少处理器开发过程中的人工工作量。据报道， Cognichip认为该模型需要数年时间才能达到“终极性能”，但预计它将更早地为芯片设计人员带来益处。
据该公司称，ACI 既可以加快芯片开发速度，又可以降低相关成本。Cognichip 认为其模型可将处理器设计项目的成本降低高达 75%。此外，该公司表示，ACI 可以发现微调芯片性能和效率的机会。也就是说，这家公司的目的，就是想让芯片工程师失业？（微笑脸）
在下面文章中，我们将引述该公司CEO对半导体行业的看法，并分享他是计划如何改变芯片行业。
半导体
一个濒临崩溃的行业
半导体行业一直是一股不可否认的良性力量。自1947年沃尔特·布拉顿（Walter Brattain）的意外发现——他将实验浸入热水瓶中，偶然发现了半导体，并最终获得了诺贝尔奖——以来，半导体几乎彻底改变了现代生活的方方面面。从阿波罗计划中每台使用约16,000个晶体管的制导计算机推动太空竞赛，到重塑全球通信，半导体改变了人类社会。
想想通信设备的演变：从仅包含5到8个晶体管的简陋晶体管收音机，到最新的iPhone机型，其集成了近200亿个晶体管。汽车行业也已被半导体重塑。我们已经从福特的T型车发展到像特斯拉和Waymo这样的自动驾驶、软件驱动的汽车。在医疗保健领域，半导体为从核磁共振成像仪和超声波设备到像Oura戒指和芯片实验室技术这样的尖端可穿戴设备等一切设备提供动力，使数十亿人能够获得更好的诊断和治疗。2023年，全球半导体器件销量接近1万亿件，相当于地球上每个人拥有超过100块芯片。
展望未来，随着全球对计算能力的需求持续呈指数级增长，半导体将在未来10-15年发挥更为关键的作用。人工智能的崛起及其对计算能力的无限需求，正在推动前所未有的投资。微软和OpenAI等公司通过其耗资1000亿美元的“星际之门”超级计算机项目，以及拥有20万颗Colossus GPU超级计算机的xAI，正在构建人工智能基础设施的未来。谷歌和亚马逊也在大力投资其定制TPU、Trainium和Inferentia芯片，以在人工智能军备竞赛中保持领先地位。然而，支撑这些进步的基础——技术人才——仍然岌岌可危。
尽管半导体行业的重要性毋庸置疑，但它正面临严重的人才危机。德勤估计，到2030年，半导体行业将需要新增超过一百万名技术工人才能满足其需求。这种技术工程师的短缺并非暂时的挑战，而是一个结构性问题，有可能削弱该行业满足不断飙升的需求的能力。
问题有两个方面。首先，世界各地的大学，尤其是西方国家的大学，培养的毕业生数量不足以满足需求。只有约20%的美国毕业生拥有STEM学位，而其中只有1%的毕业生是电子工程专业——而电子工程专业对半导体设计和制造至关重要。相比之下，中国近40%的学生拥有STEM学位，使其成为半导体人才的温床。
其次，即使大学提高了产量，半导体设计的复杂性也意味着工程师需要数年时间才能真正投入生产。半导体设计领域的尖端工作——迈向2纳米及以下的芯片——需要高度专业化的实践经验，而这些经验是课堂上学不到的。此外，目前很大一部分劳动力即将退休。例如，在德国，约三分之一的半导体从业人员将在未来十年内退休。该行业对快速老龄化人才库的依赖，使得这种情况更加岌岌可危。
尽管 Synopsys 和 Cadence 等公司已经投资电子设计自动化 (EDA) 工具来简化芯片设计的某些方面，但仅靠这一点并不能解决人才缺口。
果这种人才需求与供给之间的不匹配持续扩大，可能会出现以下几种结果。首先，我们可能会看到人才和创新集中在少数资源充足的公司手中。台积电、英特尔、英伟达等巨头，以及谷歌和亚马逊等云计算巨头，可能会主导该领域，控制人才和创新的获取渠道。这可能会加剧现有的供应链问题，并限制小公司的竞争能力，从长远来看，抑制创新。这些大公司受制于追求低风险、短期增量收益的激励，可能不太愿意对半导体技术的未来进行大胆、高风险的押注。
芯片
从奔跑到行走再到爬行？
和过去相比，今天的半导体开发看起来完全不同。现在，半导体芯片的上市时间 (TTM) 长达数年。此外，推动行业创新并不便宜。仅博通去年在研发上花费就超过90 亿美元。根据德勤的数据，到 2024 年，芯片行业将 52% 的息税前利润 (EBIT) 用于研发。事实上，研发似乎以 12% 的复合年增长率增长，而息税前利润仅增长 10%。这些冗长的时间表不仅会减缓创新，还会对经济、竞争和市场产生严重影响。
摩尔定律的隐性成本在于，计算能力的指数级增长伴随着开发复杂性的指数级增长。上世纪初，英特尔的奔腾4——当时PC的尖端CPU——包含4200万个晶体管。如今，像苹果M3这样的高端处理器拥有超过200亿个晶体管。设计和制造这样的芯片绝非易事。要迈向3纳米、2纳米及更低的更小节点，需要更高的精度，这需要额外的设计、测试和验证。
如今，芯片设计流程经历了多阶段、串行化，每一步的复杂性都不断提升。从初始架构到测试再到最终验证，每个阶段都需要精准执行。由于规范在设计前期就已确定，随着设计的推进，错误会成倍地增加时间和投资成本。每个阶段都会给整个流程的收敛带来风险；工程师需要权衡风险与设计裕度，从而影响最终产品的性能、成本和能效。电子设计自动化 (EDA) 软件等专用工具以及极紫外 (EUV) 等尖端光刻技术对于确保精度至关重要，但它们会显著增加整个流程的时间。
为了完成芯片设计，工程师需要使用多种 EDA 软件工具，这些工具通常来自多个供应商。为了管理交接并指导这些工具，工程师需要开发软件脚本将它们绑定在一起。这些脚本本身就是代价高昂的错误来源，并会延长产品上市时间。简而言之，很多地方都可能出错，其后果可能对项目和公司造成严重影响。
制造数十亿晶体管规模的先进芯片需要无可挑剔的精度。蚀刻和确保硅片结构完整性等工艺必须精准无误。任何错误都可能导致代价高昂的返工。芯片越先进，容错空间就越大。随着制造工艺变得越来越复杂，产品上市所需的时间也越来越长。设计缺陷和制造工艺兼容性的极端情况会严重影响产品的良率，推高单位成本并降低毛利润。最终的抉择是接受低良率，还是在设计文件中修复问题。这往往又是一个价值一亿美元的问题。
半导体供应链是一个深度互联且高度集中的生态系统——其中任何一环的中断都可能产生连锁反应。台积电、三星和等少数公司主导着芯片生产，五家公司占据了全球 80% 以上的供应量。波士顿咨询公司 (BCG)的数据显示，2026 年建成的一座晶圆厂的十年总拥有成本 (TCO) 将达到 350 亿美元至 430 亿美元。材料短缺、自然灾害或地缘政治紧张局势等中断会减慢生产进度并导致 TCO 飙升。这些延误可能需要数年时间才能解决，正如疫情期间全球芯片短缺对各行各业产生的影响一样。
芯片上市前必须通过各种认证流程，以确保符合监管标准。这些流程冗长冗长，而且难以扩展以满足日益增长的需求。政府的职责并非成倍地扩大监管审批能力！
全球半导体行业每年在研发上的投入超过1000亿美元。每一代芯片的开发成本都比上一代高，这不仅是因为其复杂性，还因为开发过程中的多变性和不可预测性，这常常导致成本超支。这使得企业很容易陷入“创新者窘境2.0”：产品尚未进入市场就被竞争对手超越。
技术变革的步伐日新月异，这意味着耗时数年的芯片开发可能会在成熟时面临被淘汰的风险。如果竞争对手能够提前几个月将更新、更高效的芯片推向市场，就能抢占相当大的市场份额。随着开发周期的延长，将上市时间缩短5%就能转化为数个季度的竞争优势。而错过上市机会则可能意味着失去几乎不可能挽回的市场份额。在半导体行业中，获得第三名通常意味着商业案例的失败。
漫长的开发周期不仅意味着市场份额的损失，还会降低快速创新的能力。多个项目的进度延误会累积起来，影响公司的整个创新流程——想象一下，伊莱·高德拉特的赫比号同时出现在多个流程中，会是怎样的体验。
许多公司，尤其是消费电子行业的公司，会根据新芯片的上市情况来规划产品发布。芯片的发布一旦延迟，发布也会受到影响。例如，由于 OLED 屏幕和面部识别硬件的供应问题，苹果的 iPhone X上市时间就被推迟了近两个月。在快速发展的消费电子领域，即使是两个月的延迟，也会对节假日等关键时期的销售造成巨大影响。
代工厂在新工艺技术和生产设施上投入了数十亿美元，但只有在其支持的客户开始生产后才能开始看到回报。芯片设计和制造的TTM较长，严重影响了他们的投资回报率。这给他们带来了压力，他们需要在推动新技术发展的同时，满足客户的期望。
因此，随着芯片设计日益复杂，以及熟练设计师的短缺日益加剧，半导体行业必须从根本上重新思考设计。在这个软件应用程序可以在数月或数周内扩展到1亿用户的时代，半导体行业不可能花费数年时间来推出新的创新。“软件正在吞噬世界”之所以成为可能，是因为它在运用新理念和放弃根深蒂固的做法方面更具适应性。
多年来，软件行业已经证明了通过重复使用他人已有成果来创造新价值的力量。Linux等软件操作系统的标准化就是这一原则的一个很好的例子，因为这意味着你不能仅仅因为自己可以就重新构建定制的软件元素。芯片设计需要彻底的转变——渐进式的改进已不再足够。那些不能适应变化的人将被那些能够适应变化的竞争对手甩在身后。
半导体领域的创新竞赛不再仅仅关乎速度，而关乎生存。
破局之道
人工智能、并行开发和模块化
在快节奏的科技世界里，时间远比金钱重要——产品上市的延迟可能意味着成败。上市较晚的产品往往处于明显的竞争劣势，即使性能再强大也无法弥补。如今还有谁还记得Zune？在单色iPod盛行的时代，它的无线歌曲共享和彩色显示屏并不足以撼动如此强大的市场领先地位。先发优势至关重要，因为客户通常会被市场领导者所吸引，而后来者则不得不与低端客户竞争，并被迫进行价格竞争。
不幸的是，在半导体行业，较长的设计周期已成常态。尽管整个行业都受制于较长的设计周期，但对于初创公司来说，这尤其具有挑战性。
半导体行业的特点是开发周期长达数年且不断延长。
复杂的设计要求： 芯片正变得越来越复杂，数十亿个晶体管集成在极小的空间里——苹果的 M2 Ultra 芯片就集成了超过 1300 亿个晶体管。设计如此复杂的硬件需要极高的精度，并且需要耗费大量的时间来完善。
串行开发流程： 传统的芯片开发遵循串行路径——架构、微架构、设计、验证、原型设计、启动、确认，然后是批量生产。这种“串行”开发方法意味着每个阶段都必须以高质量完成才能进入下一个阶段，从而导致长期延迟的风险累积。如果在这个串行流程的某个阶段犯了错误，而该错误在后续的另一个阶段被发现，则必须再次重复该串行流程。这种串行芯片开发方法是行业发展的一种自然方式，其原因有很多。其中一个因素是每个阶段的专业知识各不相同。例如，验证工程师只有在设计完成之后才能测试设计的正确性。可测试性设计 (DFT) 工程师只有在设计足够成熟，测试插入能够捕获正确事件时才能参与其中并贡献价值。我们的行业依赖设计审查流程和文档来简化这些阶段，并减少过程中的沟通不畅和错误。但这些方法并不总是有效。
开发成本不断上升： 芯片开发成本极其高昂——仅高通一家，2024 年的研发支出就接近 89 亿美元。对于初创公司而言，筹集足够的资金来支撑漫长的开发过程几乎是不可能的，这将给初创公司带来严重的后果。漫长的上市时间和高昂的开发成本意味着，任何一家半导体初创公司如果没有大量资金（通常高达 1 亿美元甚至更多）就无法开展项目。
投资者意识到高昂的融资要求，因此传统的通过筹集亲朋好友的资金或经验丰富的天使投资人来启动公司的方式被拒之门外。即使在大公司内部，押注新市场或激进的设计也可能带来可怕的后果，因此缺乏创新精神的领导者会避免这样做。因此，除了炒作周期之外，大多数半导体初创企业的想法都会夭折，而其他一些通常会被少数巨头公司收购。事实上，自2000年以来，风险投资对美国半导体初创企业的投资一直在下降。参见下文：
时光倒流至20世纪80年代初，我们看到半导体开发过程的参与者更加广泛——例如硅谷传奇的先驱仙童半导体、莫斯泰克、RCA半导体和Zilog ，它们如今都已衰落或被更大的企业集团收购。在当今的半导体领域，权力集中在英特尔、英伟达、高通和台积电等少数几家公司手中。
虽然一些半导体初创公司在人工智能和量子计算领域取得了进展，但它们仍然是少数例外。大多数初创公司都因将新芯片推向市场所需的巨额成本和时间投入而感到压力重重。IP 设计领域的创新者正经历着这种金字塔效应，这种金字塔由少数几家不愿承担风险的大公司主导。预计 IP 公司将比大公司领先一到两个周期，因为大公司只有在与目标设备相同的节点上经过硅片全面审查后，才会使用这些 IP 模块。
漫长的开发周期带来了另一个挑战：未来市场需求的不确定性。芯片开发商必须在产品发布前数年就做出决策，押注芯片最终上市时哪些特性和功能会受到市场欢迎。这些变化的需求可能来自市场动态，也可能来自行业标准，例如 IEEE、ITU-T 以及许多由公司集团组建的联盟，旨在开发各种接口如何在芯片之间以及跨系统之间进行连接和通信。
例如，假设您正在开发一款采用 PCIe 接口的芯片，目前市场上流行的是第五代 PCIe 规范，但您知道 PCI-SIG（由 900 家公司组成的组织，负责维护和开发 PCIe 规范）正在开发下一代 PCIe 接口，该接口将具有更高的带宽和新功能，并将在一两年后发布。您会怎么做？您会倾向于降低尚未完成设计的产品的过时风险，为此会考虑在新规范发布时（甚至在您的芯片准备好投入生产之前）“可能”发生的意外情况。
为了应对潜在的市场和技术变化，各大公司往往会在芯片上添加额外的功能——更高的可编程性、更强的功耗、更大的内存，以及更多“以防万一”的功能。这种做法会导致芯片设计臃肿，消耗更多资源，增加开发成本，降低效率。这种冒险有时能带来回报，但更多时候会导致代价高昂的延期和产品失败。
在这种情况下，我们需要：
1
并行开发：一个潜在的解决方案是借鉴软件行业的经验，采用更敏捷的并行开发模式。开发流程的多个阶段可以同时运行，而不是等待每个阶段完成后再开始下一个阶段。这可以大幅缩短产品上市时间，使公司能够更快地响应技术变革和市场需求。
2
模块化设计：另一种方法可能是模块化芯片设计。通过创建具有可互换组件的芯片，公司可以更轻松地适应市场变化，而无需从头开始整个设计流程。最近，业界采用了 3D 芯片堆叠技术来减小芯片组中每个芯片的尺寸，从而提高良率并降低整体解决方案的成本。同样，有些公司使用芯片小片 (chiplet) 来划分不同的核心和接口，这样，设计中某个部分的更改就不需要重新设计整个大型芯片。
3
操作系统： 早期的软件先驱们曾经编写在裸机上运行的代码。软件不仅要提供实用的应用程序和用户体验，还必须管理内存、程序计数器和外设等资源。早在 20 世纪 50 年代，IBM 推出了 GM-NAA I/O，并在 20 世纪 70 年代 UNIX 的推出使其普及开来，软件工程师们就认识到引入标准化操作系统来管理应用程序资源大有裨益，这些资源包括用于同时运行多个程序的调度程序，以及用于网络、安全等的工具和函数库。相比之下，硬件设计将从类似的概念中受益匪浅，工程师可以专注于开发新功能，而不必担心组织和管理芯片资源。
总而言之，我们面临的问题是——我们能做些什么？我相信，各个方面循序渐进改进的时代已经结束。挑战越来越大，后果也越来越可怕。
显然，一个充满活力且不断发展的行业需要持续创新，而创新的投资承受能力不应只局限于少数几家大型企业。回顾我们发展的历史，你会发现，从1993年开始，nVidia就凭借2000万美元的投资，在上市前经过几轮融资，打造出了一个全新的企业。我的第一家初创公司Centillium Communication作为一家私营公司筹集了5000万美元。2000年上市时，我们银行账户里还有1700万美元。到2017年Aquantia上市时，我们已经筹集了近2亿美元。这种趋势不利于一个充满活力的创新型行业。
随着生成性人工智能的出现，我们拥有独特的机会积极追求打破现状并再次振兴我们的行业。
人工智能
助力半导体设计的未来
Cognichip有一个崇高的目标，那就是创建一个基础的 AI 模型，以帮助更快地将新芯片推向市场。
总部位于旧金山的 Cognichip 正在致力于构建一个基于物理学的基础 AI 模型，供半导体公司用来加速新芯片的开发进程。如上所述，该公司将这种方法称为“Artificial Chip Intelligence”，并希望它能够帮助将芯片生产时间缩短 50%，并降低相关成本。
这一雄心勃勃的想法来自半导体行业资深人士 Faraj Aalaei，他曾在富士通网络通信公司和 Centillium Communications 等多家公司工作过。Aalaei表示，他的公司起源于 2015 年。当时，Aalaei 是硅谷领导小组的成员，该小组经常开会讨论行业存在的问题。
他越来越担心半导体行业的现状。他向与会者介绍了风险投资对半导体公司投资的急剧下降。他说，风险投资在2000年达到顶峰，每年有200笔交易，而到2015年则下降到每年只有一两笔。
在他看来，这个原因显而易见：芯片设计耗时过长，耗资过大。结果，拥有大胆新想法的创业者越来越少，挑战现状的创业者越来越少，颠覆性创新也显著减少。更糟糕的是，愿意或能够应对这些挑战的工程师队伍正在萎缩。
“我实际上是在警告其他CEO，这对我们不利，”Aalaei说。“这对美国的半导体行业不利，我们需要做的是从根本上改变现状。如果这种趋势持续下去，我们将失去竞争力。我们将失去带来新想法的活力。”
我们所熟悉的半导体创新模式，即由有远见的投资者支持的小团队先驱，正在消失。 他说，考虑到新芯片上市所需的时间，这些公司未能吸引风险投资者也就不足为奇了。然后，他把这个想法搁置了近十年。
自2015年以来，该行业经历了人工智能的崛起，重新点燃了人们对半导体的兴趣。目前，每年大约有八家由风险投资支持的芯片初创公司涌现。虽然这是一个进步，但它仍然凸显了一个核心问题：即使在一场依赖半导体的重大技术革命中，新芯片公司的数量仍然远低于历史水平。同样的创新障碍依然存在。
于是，他决定在2024年创立Cognichip。
自那以后，Cognichip 一直在秘密运营，并组建了一支由来自斯坦福、谷歌和麻省理工学院等高校的人工智能专家组成的团队。Aalaei 表示，该模型至少需要几年时间才能达到“终极性能”，但他表示，在达到这一目标之前，它应该能够为企业提供帮助。
“当我们达到这个目标，也就是ACI，我们将构建一个能够像专业工程师一样运作的系统，”Aalaei说道。“一旦我们实现了这个愿景，那么你实际上可以用更少的人力，在更短的时间内完成同样的工作。”
Cognichip 现已崭露头角，获得由 Lux Capital 和 Mayfield 共同领投、FPV 和 Candou Ventures 跟投的 3300 万美元种子轮融资。
如Aalaei所说，重塑一个行业并非孤军奋战。为此他组建了一支世界一流的团队，汇聚了来自亚马逊、谷歌、苹果、新思科技和 KLA 等公司的 AI、芯片设计和系统架构专家——我梦寐以求的高管团队，其中包括：
联合创始人兼首席技术官Ehsan Kamalinejad是人工智能和机器学习领域公认的权威。他曾领导 Apple 的机器学习项目，包括 Apple Photos 中的“回忆”功能，并在 AWS 率先开发了强化学习应用程序。
的联合创始人兼首席架构师Simon Sabato是芯片设计和系统架构领域的资深人士。他曾在谷歌、思科和 Cadence 担任领导职务，在 FPGA 加速器、ASIC 和高速网络领域拥有深厚的专业知识。
软件创始副总裁Mehdi Daneshpanah拥有超过 15 年的人工智能和企业软件经验。他曾领导 KLA 的全球软件团队，目前负责 Cognichip 人工智能半导体设计平台的开发。
首席产品官Stelios Diamantidis是一位拥有25年EDA经验的创始人、技术专家和AI驱动芯片设计的先驱。他领导了新思科技的生成式AI卓越中心，并推出了全球首个面向半导体的AI应用程序DSO.ai 。
Mayfield 的执行合伙人 Navin Chaddha 表示，当他被介绍给 Aalaei 时，他觉得他们“简直是一丘之貉”。半导体行业的绝大多数工作仍然由人类完成；他表示，他认为现在正是将人工智能引入该行业的好时机。
“这是一个主要的痛点，而这家公司提供的解决方案将是半导体行业的止痛药，而不是维生素，”Chaddha说道。“如果没有人类做这项工作，人工智能能在人才短缺的情况下完成吗？首先，他们拥有一支优秀的团队；其次，他们正在解决一个规模庞大、价值数万亿美元的行业中的一个真正痛点。”
Aalaei 表示，他希望 Cognichip 也能帮助芯片制造的普及化，以便更多半导体公司能够起步并获得投资。他还表示，更便捷的准入也意味着规模较小的公司也能为特定型号或更小型号制造更专用的芯片。
这一切都取决于该公司何时或是否能够实现人工智能芯片智能。
按照他们所说，芯片设计起源于 20 世纪 90 年代。然而你，尽管巨大的创新已经使设备制造规模进入了埃时代，但用于大规模芯片设计的数据抽象、工作流程和工具都是几十年前发明的，这让它们在实际应用中碰到了问题。
“我们做的不是渐进式的改变，”Aalaei 说，“我们不是在构建一个EDA工具，我们也不是想对流程进行些许调整。我们试图为我们的行业设定一个新的目标，并带来一些重大的改变。”
总而言之，该公司正在构建一个基于物理原理的基础模型，该模型拥有设计师级别的认知能力，能够实现人工智能芯片。他们的目标是让芯片设计更简单、更经济，让世界各地的工程师都能以更少的障碍和更快的速度进行创作。
“我们相信人工智能和计算应该成为现代设计流程的主力。工程师们可以将精力集中在创造力、领域精通以及打造卓越芯片上，摆脱繁琐的人工操作。ACI将使这一切成为可能。””Aalaei强调。
END
(来源：新浪科技)
关联资讯:
英伟达RTX5060Ti 8GB在PCIe4.0下受限，8款游戏帧率降幅达9%
消息称苹果watchOS 12将引入Apple Intelligence功能，依赖iPhone运行模型
