60 миллионов на то, чтобы чипы проектировали себя сами
Стартап Cognichip только что закрыл раунд финансирования на $60 миллионов. Во главе консорциума инвесторов – лично Патрик Гелсингер, CEO Intel. Деньги пойдут на одно: научить искусственный интеллект проектировать полупроводники с нуля. Не помогать инженерам, а полностью заменять их на ключевых этапах. Если это сработает, время разработки нового чипа упадёт с лет до месяцев. А то и недель.
Оценка Cognichip после раунда, по данным на апрель 2026 года, превысила $400 миллионов. Стартап ещё не выпустил коммерческий продукт, но уже заставил нервничать Cadence и Synopsys – гигантов рынка EDA-инструментов.
Инженеры-люди против алгоритмов: кто выигрывает?
Представьте схему современного процессора, например, того же Nvidia Blackwell. Десятки миллиардов транзисторов. Миллионы соединений. Тепловыделение, энергопотребление, задержки сигналов – головоломка, которую команды из сотен человек решают годами.
ИИ от Cognichip, как утверждают его создатели, не просто оптимизирует раскладку. Он переосмысливает архитектуру. Алгоритм на базе трансформерной модели нового поколения (релиз CogniCore-3, декабрь 2025) берёт техническое задание на язык высокого уровня и генерирует готовые GDSII-файлы для фабрики. В теории. На практике пока получается только для специализированных AI-ускорителей, но и это уже прорыв.
Blackwell устареет, не успев выйти?
Вот что по-настоящему бесит конкурентов. Пока Nvidia тратит годы на создание архитектуры Blackwell, ИИ-система может проитерировать тысячи альтернативных дизайнов за неделю. Каждый – с разными компромиссами между скоростью, мощностью и площадью кристалла. Алгоритм не устаёт. Он не требует кофе и не уходит в отпуск.
Это не отменяет физику. Закон Мура упёрся в стену, но ИИ ищет обходные пути. Не обязательно делать транзисторы меньше. Можно придумать новую логику их соединения. Или вовсе перейти к фотонным чипам, где ИИ для проектирования вообще незаменим.
| Метод | Время разработки (типичное) | Стоимость | Кто доминирует |
|---|---|---|---|
| Традиционный EDA (ручной) | 3-5 лет | $500M - $1.5B+ | Cadence, Synopsys |
| AI-ассистированный дизайн | 1-2 года | $200M - $700M | Nvidia (внутр.), Google |
| Полный AI-дизайн (Cognichip) | 6-9 месяцев (заявлено) | ~$100M (цель) | Cognichip, стартапы |
А что с бесконечным спросом? ИИ его только подстегнёт
TSMC уже два года твердит, что спрос на AI-чипы «бесконечен». Если ИИ ускорит их создание, этот спрос станет только ненасытнее. Мы получим не дефицит, а взрывное разнообразие: узкоспециализированные чипы для каждой задачи – от биосенсорики до автономных машин. Заказчики не будут ждать годами. Захотел новый ускоритель для своей модели – спроектировал за месяц и отправил на фабрику.
Это ломает всю логику отрасли. Гиганты вроде Nvidia и AMD доминируют, потому что у них есть ресурсы на многолетние циклы разработки. Если барьер рухнет, на арену выйдут десятки новых игроков. Вспомните Cerebras с их Wafer Scale Engine – их экзотическая архитектура могла бы создаваться быстрее с такими инструментами.
Под капотом: не просто GPT для чертежей
Технология Cognichip – не доработанный GPT-4o или Gemini 2.5. Это гибридная система. Глубокое обучение с подкреплением для поиска оптимальной топологии. Генеративные модели для создания схем. И физическое машинное обучение (Physics-Informed Machine Learning) для симуляции результатов без затратных вычислений на суперкомпьютерах.
Именно последний пункт – ключевой. Раньше чтобы проверить, не перегреется ли чип, нужны были недели симуляций. Теперь ИИ предсказывает это за часы, обучаясь на законах физики. Это похоже на прорыв, описанный в статье про фотонный чип PRISM, где симуляция обещала ускорение в сотни раз.
Главный риск – «чёрный ящик». Инженер получает от ИИ готовый дизайн, но не до конца понимает, почему транзисторы расположены именно так. При малейшей ошибке на этапе производства это приведёт к многомиллионным потерям. Cognichip утверждает, что их система обеспечивает «объяснимость», но в индустрии пока скепсис.
Что дальше? Битва за фабрики
Ускорение дизайна бесполезно без ускорения производства. Здесь ИИ тоже наступает: он помогает оптимизировать техпроцессы и расположение оборудования на фабрике. Но физические пределы остаются. Огромные инвестиции в новые заводы – это надолго.
Мой прогноз? К 2028 году 30% новых чипов для AI будут спроектированы с доминирующей ролью ИИ. Не будет единого победителя. Появятся свои Cognichip для аналоговых чипов, для процессоров, для памяти. А инженеры-схемотехники переквалифицируются в «тюнеров ИИ» и специалистов по постановке задач для алгоритмов. Грустно? Возможно. Но неизбежно.
Пока Cadence и Synopsys экстренно покупают AI-стартапы и переписывают свои инструменты. Гонка только началась. И инвестиция Intel в $60 млн – это не ставка на одну компанию. Это ставка на то, что будущее полупроводников будет написано не людьми, а кодом, который написали люди. Иронично.
