Berapa lama waktu yang dibutuhkan untuk membuat sebuah chip canggih? Jawabannya biasanya tiga hingga lima tahun. Tahap desain saja memakan waktu dua tahun. Dan dua tahun itu bukanlah waktu yang dihabiskan dengan diam—melibatkan ratusan hingga ribuan insinyur yang bekerja secara intensif, di mana satu kesalahan verifikasi dapat mengatur ulang seluruh jalur produksi.
Inilah masalah yang ingin dipecahkan oleh Cognichip. Startup yang didirikan pada tahun 2024 ini baru saja menutup putaran pendanaan baru senilai $60 juta, membawa valuasi pra-pendanaan menjadi $93 juta. Putaran ini dipimpin oleh Seligman Ventures, dan CEO Intel saat ini, Lip-Bu Tan, telah bergabung dengan dewan direksinya.
Bukan menggunakan GPT untuk menulis kode RTL
Pendekatan Cognichip berbeda dari sebagian besar upaya yang menyematkan model bahasa besar ke dalam IDE. Alih-alih menggunakan LLM serbaguna untuk menangani bahasa deskripsi perangkat keras, perusahaan ini melatih model deep learning sendiri dari awal, yang secara khusus ditujukan untuk data desain chip.
Perbedaan ini sangat krusial. Model serbaguna memiliki kemampuan yang sangat terbatas dalam memahami spesifikasi desain chip—kendala timing, anggaran daya, aturan pustaka proses—hal-hal yang tidak bisa dipelajari hanya dengan mengeruk teks internet. Cognichip menandatangani perjanjian dengan beberapa perusahaan chip untuk mengakses data desain eksklusif, memperkenalkan jalur data sintetis, dan membangun lingkungan pelatihan terisolasi yang memungkinkan pembuat chip untuk menyempurnakan model dengan data pribadi mereka tanpa khawatir akan kebocoran data.
Perusahaan ini juga menggunakan arsitektur open-source RISC-V untuk demonstrasi dan validasi—menunjukkan bahwa AI dapat menjalankan alur desain yang lengkap, bahkan kepada mahasiswa teknik elektro.
CEO Faraj Aalaei menjelaskan tujuan mereka: "Sistem-sistem ini sekarang sudah cukup pintar. Anda cukup memberi tahu mereka hasil apa yang Anda inginkan, dan mereka benar-benar dapat menghasilkan kode yang baik."
Angka-angka: 75% dan 50%
Klaim resmi perusahaan adalah dapat menekan biaya pengembangan chip lebih dari 75% dan memangkas waktu pengembangan lebih dari setengahnya.
Kedua angka ini sangat mencengangkan di industri semikonduktor. Alat EDA (otomatisasi desain elektronik) arus utama saat ini sudah matang, tetapi alur kerjanya sebagian besar masih mengikuti paradigma yang ditetapkan puluhan tahun lalu: menulis RTL secara manual, sintesis, penempatan dan routing, analisis timing, verifikasi tape-out—setiap langkah membutuhkan insinyur khusus. Potensi intervensi AI bukanlah untuk menggantikan satu langkah, tetapi untuk memampatkan seluruh putaran iterasi—mengalihkan peran insinyur dari menulis kode menjadi meninjau hasil.
Namun, angka-angka ini adalah klaim perusahaan sendiri dan belum diverifikasi secara publik di lingkungan produksi skala besar. Mitra pengelola Seligman, Umesh Padval, mengatakan ini adalah masuknya modal terbesar yang pernah ia lihat dalam 40 tahun berinvestasi di infrastruktur AI—tetapi itu juga menunjukkan betapa panasnya sektor ini, dan jumlah pendanaan tidak boleh disalahartikan sebagai validasi teknis.
Beberapa pemain berat sudah berada di arena ini
Cognichip tidak sendirian. Dalam beberapa bulan pertama tahun 2026, pesaing ChipAgents menyelesaikan Seri A senilai $74 juta, dan Ricursive mengumpulkan Seri A senilai $300 juta. Bersama dengan Cognichip, lebih dari $400 juta telah mengalir ke jalur desain chip AI hanya dalam empat bulan pertama tahun 2026.
Pemain mapan Synopsys dan Cadence Design Systems, dua raksasa EDA dengan kapitalisasi pasar gabungan lebih dari $100 miliar, juga tidak tinggal diam. Mereka sama-sama gencar berinvestasi dalam fitur desain berbantuan AI. Tekanan pada startup cukup besar.
Bergabungnya Lip-Bu Tan ke dewan direksi Cognichip patut dicermati. Intel sendiri adalah salah satu perusahaan chip terbesar di dunia, dan memiliki CEO-nya yang secara pribadi mendukung sebuah startup desain chip AI mengirimkan sinyal yang melampaui sekadar uang. Ia membawa pemahaman terdalam tentang alur kerja desain chip dan potensi kesediaan Intel untuk bekerja sama dalam arah ini.
AI membantu membangun otaknya sendiri
Aspek yang paling menarik dari jalur ini adalah sifat rekursifnya: model AI sendiri membutuhkan chip untuk pelatihan dan inferensi, dan kini orang-orang mulai menggunakan AI untuk mendesain chip-chip tersebut. Jika siklus desain benar-benar dapat dipersingkat secara signifikan, kecepatan iterasi akselerator AI generasi berikutnya tidak lagi hanya dibatasi oleh jumlah insinyur, tetapi juga oleh kemampuan alat desain AI itu sendiri.
Ini adalah roda gila positif dan logika fundamental di balik investasi besar-besaran yang dilakukan berbagai perusahaan.
Ujian sesungguhnya bagi Cognichip ke depan adalah apakah ia dapat menghasilkan sebuah kasus di mana perusahaan besar menggunakan alatnya dalam proyek tape-out nyata. Dengan dana $93 juta, ia memiliki cukup amunisi untuk bertahan beberapa waktu.
Sumber: CocoLoop, Cognichip wants AI to design the chips that power AI, and just raised $60M to try (TechCrunch)