獨家｜把芯片設(shè)計交給 AI，上海 AI Lab 李林陽創(chuàng)業(yè)獲數(shù)千萬元首輪融資

繼晶圓制造后，芯片設(shè)計會成為半導體產(chǎn)業(yè)下一項被平臺化的能力嗎？

作者丨陳悅琳

編輯丨包永剛

芯片設(shè)計服務(wù)正在迎來AI拐點。

雷峰網(wǎng)獨家獲悉，一家國內(nèi)創(chuàng)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(shù)千萬元。

與傳統(tǒng)Design House不同的是，Novasilicon認為AI不再只是工具。“我們更希望從大模型本身出發(fā)，重新思考芯片設(shè)計。”創(chuàng)始人兼CEO李林陽告訴雷峰網(wǎng)。

要真正實現(xiàn)這一設(shè)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(nèi)首個開源大語言模型MOSS研發(fā)，并帶隊完成國內(nèi)首個兼具專業(yè)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(guān)項目。

另外兩位聯(lián)合創(chuàng)始人則進一步補齊了芯片設(shè)計所需的工程能力——COO薛建喜深耕數(shù)字芯片設(shè)計二十余年，曾對接國內(nèi)多家知名AI芯片企業(yè)；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(shè)計經(jīng)驗。

Novasilicon的目標是服務(wù)包括大模型企業(yè)、智能機器人公司、云計算服務(wù)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(wù)）模式，正在推進與Foundry、IDM等產(chǎn)業(yè)鏈企業(yè)的合作。

按照規(guī)劃，公司計劃于年內(nèi)推出標準化后端設(shè)計產(chǎn)品，進一步驗證從工程服務(wù)走向產(chǎn)品化的發(fā)展路徑。

值得注意的是，用AI設(shè)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(guī)劃，以縮短芯片設(shè)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(xiàn)了一批由谷歌、英偉達前員工創(chuàng)辦的用AI驅(qū)動芯片設(shè)計的公司，累計融資超過5億美元。

作為國內(nèi)首家浮出水面的同類型企業(yè)，也是AI-Native的新公司，Novasilicon要做什么？計劃怎么做？

01

AI DesignHouse，瞄準AI設(shè)計芯片增量市場

在過去半年里，芯片龍頭、大模型企業(yè)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(gòu)芯片LPU，OpenAI與博通合作開發(fā)適用于自家大模型推理的ASIC。

與此同時，F(xiàn)ortune Business Insights預計，全球邊緣AI半導體市場規(guī)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(yīng)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(shè)計模式已經(jīng)無法跟上小批量、多品類、快速迭代的芯片生產(chǎn)節(jié)奏，前所未有的增量市場是用AI設(shè)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(shè)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(chǎn)生的誤解：“我們不是一家EDA公司。”

他表示，EDA仍然是芯片設(shè)計不可或缺的基礎(chǔ)設(shè)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(shè)計、規(guī)劃、調(diào)用EDA以及持續(xù)迭代優(yōu)化等任務(wù)。

如果必須用一個類比，李林陽認為Novasilicon更像AI版的博通，服務(wù)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(shè)計需求卻苦于周期漫長、成本高昂的企業(yè)、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(lián)創(chuàng)薛建喜表示，客戶既可以選擇拿到圖紙自己投產(chǎn)，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(yè)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(chǎn)業(yè)完成了第一次專業(yè)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(chǎn)業(yè)都可以調(diào)用的基礎(chǔ)設(shè)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(yè)第二次分工的NovaSilicon來說，他們希望做到“芯片設(shè)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(yè)無需自建芯片設(shè)計團隊，而是按需調(diào)用芯片設(shè)計能力。

02

不依賴數(shù)據(jù)，用強化學習從后端切入AI芯片設(shè)計

在李林陽看來，真正讓“AI設(shè)計芯片”這項服務(wù)成立的，是大模型本身。

當以O(shè)penclaw為代表的Agent框架展現(xiàn)了AI任務(wù)規(guī)劃、工具調(diào)用和多智能體協(xié)同能力時，這意味著大模型已經(jīng)有底氣承擔復雜的工程任務(wù)，而芯片設(shè)計恰好提供了天然的訓練場。

李林陽認為，芯片設(shè)計的每次優(yōu)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(shè)計，更能夠在持續(xù)試錯中不斷學習和優(yōu)化。

OpenAI與博通的合作便是典型案例。從產(chǎn)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(fā)流程。薛建喜表示，某種程度上他們也是在構(gòu)建垂直領(lǐng)域的模型。

也正因如此，Novasilicon沒有選擇采用行業(yè)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(shù)據(jù)、網(wǎng)表、版圖、設(shè)計文檔等資料訓練或微調(diào)模型，在RTL生成等文本化環(huán)節(jié)確有成效。”

李林陽解釋，芯片設(shè)計數(shù)據(jù)天然高度保密，開源高質(zhì)量的可用數(shù)據(jù)又極為有限，如何持續(xù)獲得足夠規(guī)模的數(shù)據(jù)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(gòu)建具備通用決策能力的模型，通過自主探索不斷尋找最優(yōu)策略，而非依賴海量人工數(shù)據(jù)。

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(shè)計芯片的新創(chuàng)公司也快速涌現(xiàn)：谷歌AlphaChip核心成員、英偉達芯片設(shè)計AI負責人任浩星紛紛選擇自立門戶，瞄準芯片基礎(chǔ)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(wǎng)統(tǒng)計發(fā)現(xiàn)，僅Ricursive、ChipAgents和Cognichip三家國外AI芯片設(shè)計創(chuàng)業(yè)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(shù)路線和業(yè)務(wù)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(xié)同和芯片設(shè)計能力，最終搭建一套能夠持續(xù)交付芯片設(shè)計成果的平臺。

不過芯片設(shè)計流程漫長且復雜，實現(xiàn)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(shè)計和數(shù)字后端布局布線任務(wù)切入。

李林陽告訴雷峰網(wǎng)，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(yè)閉環(huán)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(zhì)區(qū)別。”李林陽直言。

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(shè)計前后端全流程的多Agent集群建設(shè)，而這也正是Novasilicon想抓住的未來。

更多關(guān)于AI Design House的企業(yè)故事和產(chǎn)業(yè)觀察，歡迎添加作者微信Evelynn7778交流。

上車，帶你看遍全球 AI 頂會精華

可獨家暢覽：

專家演講PPT

大會報告全文

熱門論文解讀

學術(shù)新星訪談

未經(jīng)「AI科技評論」授權(quán)，嚴禁以任何方式在網(wǎng)頁、論壇、社區(qū)進行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標注來源并插入本公眾號名片。