Os chips de silício mais avançados aceleraram o desenvolvimento da inteligência synthetic. Agora, a IA pode retribuir o favor?
Cognichip está construindo um modelo de aprendizado profundo para trabalhar junto com engenheiros enquanto eles projetam novos chips de computador. O problema que está tentando resolver é um problema com o qual a indústria convive há décadas: o design do chip é extremamente complexo, terrivelmente caro e lento. Os chips avançados levam de três a cinco anos para passar da concepção à produção em massa; a fase de design por si só pode levar até dois anos antes do início do structure físico. Considere que a linha mais recente de GPUs Nvidia, Blackwell, contém 104 bilhões de transistores – isso é muito para alinhar.
No tempo que leva para criar um novo chip, diz o CEO e fundador da Cognichip, Faraj Aalaei, o mercado pode mudar e tornar todo esse investimento um desperdício. O objetivo da Aalaei é trazer para o espaço de design de semicondutores o tipo de ferramentas de IA que os engenheiros de software program usaram para acelerar seu trabalho.
“Esses sistemas agora se tornaram inteligentes o suficiente para que apenas guiá-los e dizer qual é o resultado que você deseja, eles podem realmente produzir um código bonito”, disse Aalaei ao TechCrunch.
Ele diz que a tecnologia da empresa pode reduzir o custo de desenvolvimento de chips em mais de 75% e reduzir o prazo em mais da metade.
A empresa emergiu do sigilo no ano passado e disse na quarta-feira que havia levantado US$ 60 milhões em novos financiamentos liderados pela Seligman Ventures, com participação notável do CEO da Intel, Lip-Bu Tan, que investiu por meio de sua empresa de risco Walden Catalyst Ventures e se juntará ao conselho da Cognichip. Umesh Padval, sócio-gerente da Seligman, também fará parte do conselho. A Cognichip já arrecadou US$ 93 milhões desde sua fundação em 2024.
Mesmo assim, a Cognichip ainda não pode apontar um novo chip projetado com seu sistema e não revelou nenhum dos clientes com quem diz estar colaborando desde setembro.
Evento Techcrunch
São Francisco, Califórnia
|
13 a 15 de outubro de 2026
A empresa diz que sua vantagem está em usar seu próprio modelo treinado em dados de design de chips, em vez de começar com um LLM de uso geral. Isso exigia acesso a dados de treinamento específicos do domínio, o que não é pouca coisa. Ao contrário dos desenvolvedores de software program, que compartilham abertamente grandes quantidades de código, os designers de chips protegem seus IPs de perto, tornando praticamente indisponível o tipo de tesouro de código aberto que normalmente treina assistentes de codificação de IA.
A Cognichip teve que desenvolver seus próprios conjuntos de dados, incluindo dados sintéticos, e licenciar dados de parceiros. A empresa também desenvolveu procedimentos para permitir que os fabricantes de chips treinem com segurança os modelos da Cognichip em seus próprios dados proprietários, sem expô-los.
Onde dados proprietários não estão disponíveis, a Cognichip recorreu a alternativas de código aberto. Em uma demonstração no ano passado, a Cognichip convidou estudantes de engenharia elétrica da San Jose State College para testar o modelo em um hackathon. As equipes conseguiram usar o modelo para projetar CPUs baseadas na arquitetura de chip de código aberto RISC-V – um design disponível gratuitamente no qual qualquer pessoa pode construir.
A Cognichip está competindo com gamers tradicionais como Synopsys e Cadence Design Programs, bem como com uma série de startups bem financiadas. Entre eles: Alpha Design AI, que arrecadou US$ 21 milhões na Série A em outubro de 2025, e ChipAgentsAI, que fechou uma Série A estendida de US$ 74 milhões em fevereiro.
Padval disse que a atual inundação de capital na infraestrutura de IA é a maior que ele já viu em 40 anos de investimentos.
“Se é um superciclo para semicondutores e {hardware}, é um superciclo para empresas como [Cognichip]”, disse ele.
