Der Wettlauf um die Entwicklung leistungsstärkerer KI wird jetzt durch die KI selbst vorangetrieben. Cognichip, ein Startup, das Deep Learning auf das Chipdesign anwendet, hat sich neue Finanzmittel in Höhe von 60 Millionen US-Dollar gesichert, sodass sich die Gesamteinnahmen seit seiner Gründung im Jahr 2024 auf 93 Millionen US-Dollar belaufen. Das Unternehmen möchte den Zeit- und Kostenaufwand für die Entwicklung des komplexen Siliziums, das moderne Technologie antreibt, drastisch reduzieren.
Der Engpass im Chipdesign
Die Entwicklung fortschrittlicher Computerchips ist bekanntermaßen langsam und teuer. Selbst mit der fortschrittlichsten Fertigung von heute kann ein einzelner Chipentwurf vom ersten Konzept bis zur Massenproduktion drei bis fünf Jahre dauern, wobei allein die Entwurfsphase oft bis zu zwei Jahre in Anspruch nimmt. Diese Verzögerung stellt ein kritisches Problem für die Branche dar: Bis ein neuer Chip auf den Markt kommt, könnte sich die Technologielandschaft verändert haben, sodass die Investition obsolet wird.
Das Ausmaß der Herausforderung ist immens. Die neuesten Blackwell-GPUs von Nvidia enthalten beispielsweise 104 Milliarden Transistoren – eine erstaunliche Zahl, die ein sorgfältiges und zeitaufwändiges Layout erfordert. Die traditionellen Methoden sind einfach zu langsam, um mit der rasanten Entwicklung der KI Schritt zu halten.
Cognichips Ansatz: KI-unterstütztes Design
Cognichip schlägt eine Lösung durch die Integration von KI-Tools in den Halbleiterdesign-Workflow vor. CEO Faraj Aalaei argumentiert, dass die Technologie des Unternehmens die Chip-Entwicklungskosten um über 75 % senken und den Zeitaufwand halbieren kann. Ziel ist es, die Produktivitätssteigerungen, die KI der Softwareentwicklung gebracht hat, in der notorisch langsamen Welt der Hardware zu reproduzieren.
„Diese Systeme sind mittlerweile so intelligent, dass sie tatsächlich schönen Code erzeugen können, indem sie sie einfach anleiten und ihnen sagen, was das gewünschte Ergebnis ist“, erklärte Aalaei.
Im Gegensatz zur Verwendung allgemeiner Large-Language-Modelle (LLMs) hat Cognichip sein eigenes Modell speziell auf Chip-Design-Daten trainiert. Dazu muss eine erhebliche Hürde überwunden werden: Im Gegensatz zu Software, bei der Code oft offen geteilt wird, sind Chipdesigns streng geschütztes geistiges Eigentum. Cognichip hat dieses Problem durch die Entwicklung proprietärer Datensätze, einschließlich synthetischer Daten, und sicherer Trainingsverfahren gelöst, die es Partnern ermöglichen, das Modell zu verwenden, ohne sensibles geistiges Eigentum preiszugeben.
Wettbewerb und Zukunftsaussichten
Cognichip agiert in einem wettbewerbsintensiven Umfeld und steht etablierten Akteuren wie Synopsys und Cadence Design Systems sowie aufstrebenden Startups wie ChipAgents (74 Millionen US-Dollar Serie A) und Ricursive (300 Millionen US-Dollar Serie A) gegenüber. Obwohl das Unternehmen noch keinen vollständig auf KI ausgelegten Chip enthüllt hat, arbeitet es seit September mit Kunden zusammen.
Der aktuelle Investitionsschub in die KI-Infrastruktur ist beispiellos. Laut Umesh Padval, geschäftsführender Gesellschafter von Seligman Ventures, der dem Vorstand von Cognichip beitreten wird, ist dieser Kapitalzufluss der größte, den er seit vier Jahrzehnten als Investor erlebt hat. Wenn die Halbleiterindustrie in einen „Superzyklus“ eintritt, wie viele vorhersagen, sind Unternehmen wie Cognichip bereit, von der Nachfrage nach schnellerer und billigerer Chipentwicklung zu profitieren.
Die Kernidee ist einfach, aber wirkungsvoll: Wenden Sie die gleiche KI-gesteuerte Beschleunigung, die Software verändert hat, auf die Welt der Hardware an. Der Erfolg von Cognichip wird von seiner Fähigkeit abhängen, greifbare Ergebnisse zu liefern – Chips schneller und billiger als zuvor zu entwickeln.
