¿Cuánto tiempo se tarda en fabricar un chip avanzado? La respuesta suele ser de 3 a 5 años. Solo la fase de diseño consume dos años. Y esos dos años no son de espera, sino de colaboración intensa entre cientos o miles de ingenieros, donde un solo error de verificación puede obligar a reiniciar toda la línea de producción.
Ese es el problema que Cognichip quiere resolver. La startup, fundada en 2024, acaba de recaudar 60 millones de dólares en una nueva ronda de financiación, elevando su valoración pre-money a 93 millones de dólares. La ronda fue liderada por Seligman Ventures, y el actual CEO de Intel, Lip-Bu Tan, también se ha unido al consejo de administración.
No es usar GPT para escribir código RTL por ti
El enfoque de Cognichip difiere de la mayoría de los que integran grandes modelos en los IDE. No utilizan un LLM genérico para procesar lenguajes de descripción de hardware, sino que entrenaron desde cero un modelo de aprendizaje profundo específicamente para datos de diseño de chips.
Esta diferencia es crucial. La capacidad de los modelos genéricos para comprender las especificaciones de diseño de chips es muy limitada: restricciones de temporización, presupuesto de energía, reglas de bibliotecas de proceso… estas cosas no se pueden aprender solo recopilando texto de internet. Cognichip firmó acuerdos con varias empresas de chips para obtener datos de diseño propietarios, introdujo tuberías de datos sintéticos y construyó un entorno de entrenamiento aislado, permitiendo a los fabricantes de chips ajustar el modelo con sus propios datos privados sin temor a filtraciones.
También utilizaron la arquitectura de código abierto RISC-V para demostración y validación, mostrando a estudiantes de ingeniería eléctrica que una IA puede ejecutar un flujo de diseño completo.
El CEO Faraj Aalaei explicó su objetivo: "Estos sistemas ahora son lo suficientemente inteligentes. Solo tienes que decirles qué resultado quieres, y realmente pueden producir buen código."
Las cifras: 75% y 50%
Según la declaración oficial de la empresa, pueden reducir los costos de desarrollo de chips en más del 75% y acortar el tiempo de desarrollo en más de la mitad.
Estas dos cifras son asombrosas en la industria de semiconductores. Las herramientas EDA (Automatización de Diseño Electrónico) actualmente dominantes son maduras, pero el flujo básico aún sigue el paradigma establecido hace décadas: escribir RTL manualmente, síntesis, colocación y enrutamiento, análisis de temporización, verificación de tape-out — cada paso requiere ingenieros dedicados. El espacio de imaginación para la intervención de la IA no es reemplazar un solo paso, sino comprimir todo el ciclo iterativo, transformando al ingeniero de escritor de código en aprobador de resultados.
Sin embargo, estas dos cifras son afirmaciones de la propia empresa y aún no han sido verificadas públicamente en un entorno de producción a gran escala. Umesh Padval, socio gerente de Seligman, dijo que esta es la mayor entrada de capital que ha visto en 40 años de inversión en infraestructura de IA, pero eso también muestra lo caliente que está este sector ahora, y que el monto de la financiación no debe tomarse como validación técnica.
Este sector ya cuenta con varios actores de peso
Cognichip no está sola. También en los primeros meses de 2026, la competidora ChipAgents completó una ronda Serie A de 74 millones de dólares, y Ricursive recaudó 300 millones de dólares en una ronda Serie A. Solo en los primeros cuatro meses de 2026, más de 400 millones de dólares se han vertido en el sector del diseño de chips de IA.
Los gigantes establecidos de EDA, Synopsys y Cadence Design Systems, tampoco se quedan quietos. Su capitalización de mercado combinada supera los 100 mil millones de dólares, y ambos están implementando activamente funciones de diseño asistido por IA. La presión sobre las startups no es pequeña.
La entrada de Lip-Bu Tan en el consejo de Cognichip merece una mención especial. La propia Intel es una de las empresas de chips más grandes del mundo, y que el CEO respalde personalmente a una startup de diseño de chips de IA es una señal que va más allá del dinero. Él aporta la comprensión más profunda del proceso de diseño de chips, así como la posible disposición de cooperación de Intel en esta dirección.
La IA ayudando a construir su propio cerebro
El aspecto más fascinante de este sector es su recursividad: los propios modelos de IA necesitan chips para entrenamiento e inferencia, y ahora la gente comienza a usar IA para diseñar esos chips. Si realmente se puede comprimir significativamente el ciclo de diseño, la velocidad de iteración de la próxima generación de aceleradores de IA no estará limitada solo por el número de ingenieros, sino también por la propia capacidad de las herramientas de diseño de IA.
Este es un círculo virtuoso y la lógica fundamental detrás de las inversiones masivas.
La verdadera prueba para Cognichip ahora es: ¿puede presentar un caso de uso en el que una gran empresa esté dispuesta a aplicarlo en un proyecto real de tape-out? 93 millones de dólares en munición son suficientes para arder por un tiempo.
Fuente de referencia: CocoLoop, Cognichip wants AI to design the chips that power AI, and just raised $60M to try (TechCrunch)