<mark id="oztn4"></mark>
0
芯片設計服務正在迎來AI拐點。
雷峰網獨家獲悉，一家國內創企Novasilicon（芯星元）率先入局，近日已完成首輪融資，由五源資本獨家投資數千萬元。
與傳統Design House不同的是，Novasilicon認為AI不再只是工具?！拔覀兏Ｍ麖拇竽Ｐ捅旧沓霭l，重新思考芯片設計?！眲撌既思鍯EO李林陽告訴雷峰網。
要真正實現這一設想，僅懂AI或僅懂芯片都不夠。
公開資料顯示，李林陽目前擔任上海人工智能實驗室青年科學家，曾參與國內首個開源大語言模型MOSS研發，并帶隊完成國內首個兼具專業圍棋能力與自然語言思維解釋能力的大模型InternThinker。去年起他還負責了AI for Chip Design相關項目。
另外兩位聯合創始人則進一步補齊了芯片設計所需的工程能力——COO薛建喜深耕數字芯片設計二十余年，曾對接國內多家知名AI芯片企業；CTO陳建球為翱捷科技早期核心成員，擁有二十余年模擬及混合信號芯片設計經驗。
Novasilicon的目標是服務包括大模型企業、智能機器人公司、云計算服務商、消費電子等有增量自研芯片需求的公司。目前Novasilicon已通過NRE（一次性工程服務）模式，正在推進與Foundry、IDM等產業鏈企業的合作。
按照規劃，公司計劃于年內推出標準化后端設計產品，進一步驗證從工程服務走向產品化的發展路徑。
值得注意的是，用AI設計芯片并非新命題。2021年谷歌DeepMind團隊就公開用AI完成TPU的版圖規劃，以縮短芯片設計周期。
而在五年后的今天，大模型的能力早已突飛猛進，國外涌現了一批由谷歌、英偉達前員工創辦的用AI驅動芯片設計的公司，累計融資超過5億美元。
作為國內首家浮出水面的同類型企業，也是AI-Native的新公司，Novasilicon要做什么？計劃怎么做？
AI DesignHouse，瞄準AI設計芯片增量市場
在過去半年里，芯片龍頭、大模型企業和云廠商不約而同地選擇加速押注云端算力：微軟時隔兩年推出自研的第二代推理GPU，英偉達開始引入新架構芯片LPU，OpenAI與博通合作開發適用于自家大模型推理的ASIC。
與此同時，Fortune Business Insights預計，全球邊緣AI半導體市場規模將從2026年的298.5億美元增長至2034年的1078.6億美元，多樣化的硬件應用場景也在催生定制化芯片需求。
李林陽開始意識到，以人工為核心的芯片設計模式已經無法跟上小批量、多品類、快速迭代的芯片生產節奏，前所未有的增量市場是用AI設計芯片的巨大機遇。
Novasilicon從更宏觀的視角判斷，AI在整個芯片設計流程中的參與度將從2025年的5%躍升至五年后的80%。
Novasilicon是想要做AI EDA嗎？李林陽首先否認這一外界最容易產生的誤解：“我們不是一家EDA公司?！?/span>
他表示，EDA仍然是芯片設計不可或缺的基礎設施，而目前EDA公司的主流思路是在既有工具體系中引入AI。
Novasilicon并不打算替代這些工具，而是選擇直接突破原有范式，讓多AI Agent承擔人的工作，負責設計、規劃、調用EDA以及持續迭代優化等任務。
如果必須用一個類比，李林陽認為Novasilicon更像AI版的博通，服務過去很難被覆蓋或是當前處于井噴的需求市場，例如有多項芯片設計需求卻苦于周期漫長、成本高昂的企業、從未想過自己也能擁有一顆芯片的公司。
具體到交付形式，聯創薛建喜表示，客戶既可以選擇拿到圖紙自己投產，也可以直接獲得可用的芯片。
“AI版博通”回答的是NovaSilicon今天的商業模式，而談到長期愿景，團隊更愿意用另一家公司來解釋自己。
在他們看來，1987年半導體產業完成了第一次專業化分工，IDM逐漸分化為Fabless和Foundry，后者里的龍頭臺積電讓晶圓制造成為整個產業都可以調用的基礎設施。
如果說臺積電讓“制造能力”平臺化，那么對于試圖推動AI時代下半導體行業第二次分工的NovaSilicon來說，他們希望做到“芯片設計能力”的平臺化，推動Fabless進一步演進為“Designless+AI DesignHouse”——越來越多企業無需自建芯片設計團隊，而是按需調用芯片設計能力。
不依賴數據，用強化學習從后端切入AI芯片設計
在李林陽看來，真正讓“AI設計芯片”這項服務成立的，是大模型本身。
當以Openclaw為代表的Agent框架展現了AI任務規劃、工具調用和多智能體協同能力時，這意味著大模型已經有底氣承擔復雜的工程任務，而芯片設計恰好提供了天然的訓練場。
李林陽認為，芯片設計的每次優化都能通過大量的物理仿真得到驗證，EDA工具鏈則進一步縮短了驗證和迭代周期。在這個過程中，大模型不僅能夠參與設計，更能夠在持續試錯中不斷學習和優化。
OpenAI與博通的合作便是典型案例。從產品定義到流片僅耗時約九個月的背后，離不開OpenAI將自身的大模型能力引入芯片研發流程。薛建喜表示，某種程度上他們也是在構建垂直領域的模型。
也正因如此，Novasilicon沒有選擇采用行業更主流的模仿學習方式。
“這一路徑是基于歷史RTL代碼、驗證數據、網表、版圖、設計文檔等資料訓練或微調模型，在RTL生成等文本化環節確有成效?！?/span>
李林陽解釋，芯片設計數據天然高度保密，開源高質量的可用數據又極為有限，如何持續獲得足夠規模的數據集反而成為制約大模型能力的瓶頸。
基于此，Novasilicon選擇SuperLearner類似的強化學習路線——構建具備通用決策能力的模型，通過自主探索不斷尋找最優策略，而非依賴海量人工數據。
當然，Novasilicon也不是這條路上的孤勇者，谷歌、英偉達等巨頭都已在實踐。
另一方面，一批圍繞用AI設計芯片的新創公司也快速涌現：谷歌AlphaChip核心成員、英偉達芯片設計AI負責人任浩星紛紛選擇自立門戶，瞄準芯片基礎模型的Cognichip吸引了英特爾CEO陳立武加入董事會。
資本也開始集中押注這一方向。雷峰網統計發現，僅Ricursive、ChipAgents和Cognichip三家國外AI芯片設計創業公司，公開融資金額便已超過5億美元。
在李林陽看來，Novasilicon與這些公司在技術路線和業務模式上并不完全相同。他們希望進一步整合通用模型、多Agent協同和芯片設計能力，最終搭建一套能夠持續交付芯片設計成果的平臺。
不過芯片設計流程漫長且復雜，實現全流程自動化仍是一道高門檻。當前，Novasilicon選擇先從模擬后端版圖設計和數字后端布局布線任務切入。
李林陽告訴雷峰網(公眾號：雷峰網)，后端決定“能否制造、制造后能否正常工作”，相比前端擁有更明確的工程約束和量化反饋，是最容易形成商業閉環的突破口。
“許多人認為前端只是很簡單地寫代碼，實則只是看到露在水面上的冰山一角。站在大模型解決問題的角度看，難度其實有本質區別?！崩盍株栔毖浴?/span>
不過，對于Novasilicon而言，后端只是起點。李林陽透露，未來幾個月團隊將進一步推進覆蓋AI芯片設計前后端全流程的多Agent集群建設，而這也正是Novasilicon想抓住的未來。
更多關于AI Design House的企業故事和產業觀察，歡迎添加作者微信 Evelynn7778 交流。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
