Cognichip i trenutak kad umjetna inteligencija počne dizajnirati vlastite čipove
Najveći problem današnjeg AI booma sve manje je “pamet” modela, a sve više silicij ispod njih. Napredni čipovi nastaju presporo i preskupo. Cognichip, startup koji želi primijeniti umjetnu inteligenciju na sam proces dizajna čipova, upravo je osigurao 60 milijuna dolara da to promijeni. Ovdje nećemo prepričavati vijest, nego analizirati što takav pristup znači za EDA alatni lanac, za europsku industriju i za manje ekosustave poput hrvatskog i regionalnog.
Vijest ukratko
Kako piše TechCrunch, američki Cognichip zatvorio je novu investicijsku rundu vrijednu 60 milijuna dolara, predvođenu fondom Seligman Ventures. Ulaganju se pridružio i poznati poluvodički investitor Lip‑Bu Tan preko fonda Walden Catalyst Ventures; i on i Seligmanov partner Umesh Padval ulaze u upravni odbor. Tvrtka, osnovana 2024., tako je ukupno prikupila 93 milijuna dolara.
Cognichip razvija model dubokog učenja specijaliziran za dizajn čipova – od arhitekture do fizičkog rasporeda tranzistora. Prema pisanju TechCruncha, kompanija tvrdi da njezina tehnologija može smanjiti troškove razvoja za više od 75 % i prepoloviti vrijeme potrebno do gotovog dizajna, iako još nema serijski čip u potpunosti dizajniran ovim sustavom niti javno imenovane referentne klijente.
Za učenje modela Cognichip kombinira sintetičke skupove podataka, licencirane dizajne i mehanizme koji omogućuju proizvođačima da sigurno uključe vlastite, povjerljive podatke bez izlaganja intelektualnog vlasništva. Na tržištu se sučeljava s etabliranim igračima poput Synopsysa i Cadencea, ali i s mlađim AI‑usmjerenim startupima poput ChipAgentsAI i Ricursivea, koji su također zatvorili velike runde početkom godine.
Zašto je ovo važno
Ako se Cognichipove najave pokažu realnima, mijenja se matematika dizajna čipova – a s njom i dinamika čitavog AI ekosustava.
Danas od prve ideje do masovne proizvodnje naprednog čipa često prođu tri do pet godina. Samo faza dizajna zna trajati i dvije godine, a bug otkriven kasno u procesu može značiti desetke milijuna eura gubitka. U takvom okruženju tvrtke igraju na sigurno. Ako AI‑alat uspije skratiti ciklus i višestruko sniziti troškove, prostor za eksperimentiranje naglo se širi.
Tko dobiva?
- Hiperskaleri i veći pružatelji usluga u oblaku, koji mogu brže razvijati specijalizirane akceleratore za svoje AI radne opterećenja.
- Manje fabless tvrtke i razvojni timovi u Europi i regiji, koji dobivaju priliku za dizajn ambicioznijih čipova bez megabudžeta.
Tko gubi?
- Tradicionalni EDA divovi mogu osjetiti pritisak na najprofitabilnije dijelove svog portfelja ako se dio posla preseli na AI‑asistente.
- Ekipe koje ostanu pri isključivo ručnim procesima riskiraju da ih konkurenti, koji kombiniraju inženjere i AI‑alate, jednostavno prestignu.
Treba spomenuti i ljudsku dimenziju. Zanat dizajna čipova godinama se gradio na iskustvu starijih inženjera, na “nepisanim pravilima” i osobnim skriptama. AI‑sustavi koji iz zahtjeva generiraju arhitekturu ili predlažu raspored blokova taj know‑how djelomično formaliziraju. To može pomoći Hrvatskoj i susjednim zemljama, gdje postoji kvalitetna baza elektroinženjera, ali manje velikih industrijskih timova: mladi inženjer uz jak alat može napraviti više nego ikad.
Šira slika
Cognichip je dio šireg trenda: umjetna inteligencija se spušta niz stack, od aplikacija prema samom hardveru.
Posljednjih godina vidjeli smo prve primjene AI‑a u EDA‑i. Google je koristio metode učenja za poboljšanje floorplanninga svojih TPU čipova. Synopsys nudi DSO.ai za automatsku optimizaciju dizajna; Cadence ugrađuje slične funkcije u svoje alate. Razlika je u tome što se sada pojavljuju tvrtke čiji je cijeli proizvod definiran oko AI modela, a klasični EDA alati postaju “backend” na koji se naslanjaju.
Istovremeno, tržište hardvera za AI fragmentira se: pored Nvidijinih GPU‑ova imamo vlastite akceleratore u oblacima, ASIC‑eve za mobilne uređaje, rubne uređaje za industriju ili pametne gradove. Svaki od tih igrača želi specifičan balans između performansi, potrošnje i cijene. To znači više različitih čip projekata, i to s kraćim životnim ciklusom – nešto na što trenutni model rada jedva može odgovoriti.
Povijest softvera daje dobar okvir. Uvođenje kompajlera visokog nivoa, IDE‑ova, automatiziranog testiranja pa i alata poput GitHub Copilota drastično je podiglo produktivnost. Zanimljivo, broj developera nije se smanjio – naprotiv, industrija je narasla. Vrlo je vjerojatno da će se slično dogoditi i s hardverom: AI neće zamijeniti inženjere, ali će im omogućiti da naprave puno više.
U usporedbi s nekim konkurentima koji su prikupili još veće runde, Cognichip se pozicionira kao specijalist: vlastiti model, treniran na dizajnerskim podacima, uz naglasak na sigurnost i povjerljivost. U područjima poput autoindustrije, industrijske automatike ili energetike – gdje su DACH i srednja Europa snažni, a i hrvatske tvrtke sve aktivnije – takav fokus je nužan. Pogreška u čipu za automobilsku elektroniku nije isto što i bug u web aplikaciji.
Sve upućuje na to da će “AI‑assisted” uskoro postati zadani opis za ozbiljne EDA alate. Otvoreno ostaje pitanje tko će u toj novoj arhitekturi držati najjaču pregovaračku poziciju: stari EDA divovi, novi AI‑slojevi ili veliki oblaci koji mogu integrirati cijeli lanac.
Europski i regionalni kut
Za Europsku uniju, ali i za Hrvatsku i susjedne zemlje, ovakvi alati mogu biti ključni multiplicator.
EU kroz European Chips Act želi do 2030. povećati svoj udio u globalnoj proizvodnji čipova. Realno, najsnažniji europski aduti su autoindustrija, industrijska elektronika, energetika i telekom – segmenti u kojima i hrvatske tvrtke sudjeluju kroz dobavne lance. Svi oni sve više trebaju specijalizirani hardver: od ADAS sustava u autima do IoT senzora u poljoprivredi ili turizmu.
AI‑podržano dizajniranje čipova moglo bi omogućiti da dio tih potreba riješimo vlastitim rješenjima, umjesto da čekamo da globalni igrači pogode naše specifične zahtjeve. Za razvojne timove u Zagrebu, Rijeci ili Splitu – bilo u tvrtkama ili na fakultetima – to je prilika da se s manjim resursima igraju na globalnoj sceni.
Regulatorno, EU tradicionalno naglasak stavlja na zaštitu podataka i suverenitet. Iako podaci o dizajnu čipova nisu osobni, oni su srž poslovne tajne. Tvrtke će zato pomno gledati gdje se modeli treniraju, kako se odvaja jedan klijent od drugog i je li moguće koristiti europske ili nacionalne cloudove. U pozadini su i AI Act i pravila o zaštiti poslovnih tajni, koji će oblikovati kako ovakvi alati mogu legalno i sigurno raditi s podacima klijenata iz EU.
U jugoistočnoj Europi, gdje su tržišta manja, ali tehnički kadar jak, AI‑EDA alati mogu poslužiti kao “veliki equalizer”. Inženjerski tim iz Zagreba ili Ljubljane, koji koristi takve alate, može realno konkurirati projektima iz daleko većih centara.
Pogled unaprijed
Što očekivati u sljedećih par godina?
Konkretnu metriku. Da bi Cognichip uvjerio ozbiljne igrače, morat će pokazati jasne brojke s projekata u proizvodnji: koliko je iteracija skraćeno, koliko su poboljšani PPA parametri, kolika je ušteda u ljudskim satima.
Suhobitan suživot s postojećim alatima. Realno je očekivati da će Cognichip funkcionirati kao sloj iznad Synopsysa i Cadencea: predlagat će arhitekture, generirati dijelove RTL‑a, pomagati pri floorplanningu, dok će konačna verifikacija i sign‑off i dalje prolaziti kroz etablirane alate. Što je integracija glađa, to će usvajanje biti brže.
Standardizaciju i povjerenje. U sektorima poput automobila, zrakoplovstva ili medicine, regulatorna tijela će tražiti dokaze da AI‑dizajnirani sklopovi zadovoljavaju iste ili više sigurnosne standarde. To otvara prostor za nove standarde i certifikacijske procese specifične za AI‑EDA.
Geopolitička pitanja. Ograničenja izvoza naprednih čipova iz SAD‑a prema Kini pokazuju kako se tehnologija brzo politizira. Napredni AI‑EDA alati mogli bi završiti u istoj kategoriji – što bi imalo posljedice i za europske te regionalne korisnike.
Moja procjena: za pet godina malo će koji ozbiljan čip projekt uopće krenuti bez AI‑asistencije u barem jednoj fazi. Tada će glavno pitanje biti ne “hoćemo li koristiti AI?”, nego “gdje povlačimo granicu između onoga što radi alat i onoga za što je odgovoran inženjer?”.
Zaključak
Cognichipova runda je signal da ulazimo u novu fazu: umjetna inteligencija ne vrti se više samo na čipovima, nego sudjeluje u njihovom nastanku. Ako se obećanja o sniženju troškova i ubrzanju isporuče, to će otvoriti prostor malim i srednjim igračima – uključujući one iz Hrvatske i regije – da dizajniraju vlastiti silicij. No s tom moći dolazi i nova ovisnost: hoćemo li ključne alate za razvoj budućeg hardvera prepustiti nekoliko američkih platformi ili ćemo u Europi i regiji tražiti vlastite putove?
