Cognichip走出隐身状态,目标利用生成式 AI 开发新芯片
芯片是 AI 产业的关键组件。但新芯片上市的速度远不及新 AI 模型和产品那样迅速。
Cognichip 立下雄心壮志,旨在打造一款基础 AI 模型,以助推新芯片更快上市。
总部位于旧金山的 Cognichip 正在构建一款融入物理知识的基础 AI 模型,供半导体公司加速新芯片的研发进程。该公司称这一方法为 "artificial chip intelligence"(人工芯片智能),希望它能够将芯片生产时间缩短 50%,并降低相关成本。
这一雄心勃勃的构想源自半导体行业资深人士 Faraj Aalaei,他曾在 Fujitsu Network Communications 和 Centillium Communications 等多家公司任职。
Aalaei 在接受 TechCrunch 采访时表示,他公司的初衷可以追溯到 2015 年。当时,Aalaei 是硅谷领导力小组的成员,该小组经常聚会讨论行业所面临的问题。
他开始对半导体行业的现状担忧起来。据他说,他曾向该小组做过一个关于风险投资对半导体公司投资大幅下滑的报告,指出 2000 年时每年的交易数量高达 200 笔,而到了 2015 年则仅剩一两笔。
Aalaei 表示:"我实际上是在警告其他 CEO,这种情况对我们绝无益处。对美国的半导体行业来说绝不是好事,我们必须从根本上改变现状。如果这一趋势持续,我们将失去竞争力,也会失去激发新想法的活力。"
他认为,鉴于新芯片上市所需的时间如此之长,这些公司未能吸引风险投资也就不足为奇。随后,他搁置了这一构想近十年。
2016 年,他创立了 Candou Ventures,并通过该基金见证了 AI 初创企业的崛起。当他意识到生成式 AI 的进步已经发展到可以潜在解决半导体行业现存部分挑战的地步时,他决定于 2024 年创办 Cognichip。
从那时起,Cognichip 一直处于隐身运营状态,并聚集了一支来自 Stanford、Google 和 MIT 等机构的 AI 专家团队投入研发。Aalaei 表示,打造出达到 "ultimate performance"(终极性能)的模型至少还需要几年时间,但在达到这一目标之前,这一模型就应该能够帮助到各家公司。
Aalaei 说道:"到达那一步时,这种人工芯片智能将构建一个能真正扮演专家工程师角色的系统。一旦实现这一愿景,你实际上可以用更少的人力,在短得多的时间内完成同样的工作。"
Cognichip 现已走出隐身状态,宣布在由 Lux Capital 和 Mayfield 联合领投、FPV 与 Candou Ventures 参与的一轮融资中获得 3300 万美元的种子资金。
Mayfield 的管理合伙人 Navin Chaddha 告诉 TechCrunch,当他初次见到 Aalaei 时,感觉他们出自同一类人。他指出,在半导体行业中,绝大多数工作仍由人工完成;他认为现在正是将 AI 引入其中的合适时机。
Chaddha 说道:"这是一个重大痛点,而这家公司提供的解决方案将是半导体行业的止痛剂,而非补充剂。如果没有人来完成这项工作,在人才短缺的情况下,AI 能否胜任呢?首先,他们拥有出色的团队;其次,他们正在解决一个巨大、万亿美元级产业中的实际痛点。"
Aalaei 表示,他希望 Cognichip 还能帮助普及芯片制造的门槛,从而让更多的半导体公司能够起步并获得投资。他补充说,更便捷的接入还意味着小型企业也能为特定用途或较小型号打造更专业的芯片。
所有这些都取决于公司何时以及是否能够实现人工芯片智能。
Aalaei 说道:"我们所做的绝非一些渐进式的改变。我们既不是在开发 [electronic design automation] 工具,也不是仅仅试图对流程做一点小调整。我们是在为行业设定一个全新的目标,并带来重大变革。"
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。