AI設計晶片：一場半導體業的靜悄悄革新

設計一顆頂尖晶片，最多需要五年。在這五年裡，市場可以天翻地覆，競爭對手可以後來居上，而那筆巨額投資，可能已經悄悄失去意義。

這是半導體產業數十年來的痛點。而一家成立不到兩年的新創公司，正試圖用AI來解決它。

從隱身到籌資9300萬美元

Cognichip於2024年創立，2025年才公開亮相。2026年3月底，這家公司宣布完成6000萬美元新一輪融資，由Seligman Ventures領投，累計融資額達到9300萬美元。

這輪融資最引人注目的，不是金額，而是參與者：Intel執行長立普·布·譚（Lip-Bu Tan）透過其創投公司Walden Catalyst Ventures跟投，並將加入Cognichip董事會。一位現任晶片巨頭的掌門人，親身押注一家要顛覆晶片設計流程的新創，這個訊號耐人尋味。

Cognichip執行長暨創辦人法拉吉·阿拉埃（Faraj Aalaei）描述的願景很直接：把軟體工程師已經習以為常的AI輔助工具，帶進半導體設計領域。「只要告訴系統你要什麼結果，它就能產出漂亮的程式碼，」他說。公司宣稱，這套技術可以將晶片開發成本降低超過75%，開發時程縮短超過一半。

為了說明問題的規模：Nvidia最新一代GPU「Blackwell」包含1040億個電晶體，光是設計階段就可能耗費兩年，從設計到量產則需三至五年。

數據壁壘：最難翻越的那道牆

Cognichip的技術核心，是一個專門以晶片設計資料訓練的深度學習模型，而非通用大型語言模型的改良版。這個選擇本身就揭示了問題所在：晶片設計資料極度稀缺且封閉。

廣告

廣告合作

[email protected]

廣告

軟體世界有GitHub，有浩如煙海的開源程式碼。半導體世界則截然不同——設計檔案是企業最核心的智慧財產，幾乎從不公開。Cognichip因此必須自建資料集、使用合成資料、向合作夥伴授權取得資料，並開發出一套讓晶片廠商能在不外洩機密的前提下訓練模型的安全機制。

在開源替代方案方面，公司曾邀請聖荷西州立大學電機系學生參與黑客松，讓他們用這套模型設計基於RISC-V開源架構的CPU，展示了一定的可行性。

然而，Cognichip目前仍無法展示任何一顆用自家系統設計出來的實際晶片，合作客戶名單也未公開。承諾與實績之間，仍有距離。

競爭已然白熱化

這個賽道並不寂寞。老牌EDA（電子設計自動化）軟體巨頭Synopsys與Cadence Design Systems早已在產品中整合AI功能，且擁有深厚的客戶關係與行業資料積累。

新創陣營同樣資金充裕：Alpha Design AI於2025年10月完成2100萬美元A輪融資；ChipAgentsAI則在2026年2月完成7400萬美元的延伸A輪。Seligman管理合夥人烏梅什·帕德瓦爾（Umesh Padval）形容，當前湧入AI基礎設施的資本規模，是他40年投資生涯中最大的一次。

對華人半導體世界的意義

這場AI設計浪潮，對亞洲——尤其是台灣——的半導體產業影響深遠。

台灣在全球晶片製造中佔據核心地位，台積電的製程技術舉足輕重。但晶片設計同樣是台灣的強項，聯發科、聯詠、瑞昱等IC設計公司在各自領域具備全球競爭力。若AI工具能大幅壓縮設計成本與時程，對這些公司而言是機會，也是挑戰——因為同樣的工具，也讓原本難以負擔高昂設計成本的競爭者得以進場。

從地緣政治角度看，這個議題更加複雜。美國對中國大陸的晶片出口管制持續收緊，中國本土半導體設計業者正在加速自主研發。若AI設計工具能降低技術門檻，是否會加速這一進程？還是說，訓練資料的稀缺性本身就構成另一道護城河？

此外，設計資料的主權問題同樣敏感。台灣、日本、韓國的晶片企業，是否願意讓一家美國新創公司的AI模型接觸自家核心設計資料？即便有所謂的安全機制，信任的建立需要時間，而地緣政治的緊張只會讓這個問題更加棘手。