Quanto tempo leva para fabricar um chip avançado? A resposta geralmente é de 3 a 5 anos. Apenas a fase de design consome dois anos. E esses dois anos não são de espera; são de colaboração intensa entre centenas ou milhares de engenheiros, onde um único erro de verificação pode forçar o recomeço de toda a linha de produção.
Esse é o problema que a Cognichip quer resolver. A startup, fundada em 2024, acaba de levantar US$ 60 milhões em uma nova rodada de financiamento, elevando sua avaliação pré-monetária para US$ 93 milhões. A rodada foi liderada pela Seligman Ventures, e o atual CEO da Intel, Lip-Bu Tan, também ingressou no conselho da empresa.
Não é usar GPT para escrever código RTL para você
A abordagem da Cognichip difere da maioria das que integram grandes modelos em IDEs. Eles não usam um LLM genérico para processar linguagens de descrição de hardware; em vez disso, treinaram do zero um modelo de aprendizado profundo especificamente voltado para dados de design de chips.
Essa diferença é crucial. A capacidade de modelos genéricos de entender especificações de design de chips é muito limitada — restrições de temporização, orçamento de energia, regras de bibliotecas de processo… essas coisas não podem ser aprendidas apenas com a coleta de textos da internet. A Cognichip firmou acordos com várias empresas de chips para obter dados de design proprietários, introduziu pipelines de dados sintéticos e construiu um ambiente de treinamento isolado, permitindo que fabricantes de chips ajustassem o modelo com seus próprios dados privados sem medo de vazamento.
Eles também usaram a arquitetura de código aberto RISC-V para demonstração e validação — mostrando a estudantes de engenharia elétrica que uma IA pode executar um fluxo de design completo.
O CEO Faraj Aalaei explicou seu objetivo: "Esses sistemas agora são inteligentes o suficiente. Você só precisa dizer a eles qual resultado deseja, e eles podem realmente produzir um bom código."
Os números: 75% e 50%
De acordo com a declaração oficial da empresa, eles podem reduzir os custos de desenvolvimento de chips em mais de 75% e cortar o tempo de desenvolvimento em mais da metade.
Esses dois números são impressionantes na indústria de semicondutores. As ferramentas EDA (Automação de Projeto Eletrônico) atualmente dominantes são maduras, mas o fluxo básico ainda segue o paradigma estabelecido há décadas: escrever RTL manualmente, síntese, posicionamento e roteamento, análise de temporização, verificação de tape-out — cada etapa requer engenheiros dedicados. O espaço de imaginação para a intervenção da IA não é substituir uma única etapa, mas comprimir todo o ciclo iterativo — transformando o engenheiro de escritor de código em aprovador de resultados.
No entanto, esses dois números são alegações da própria empresa e ainda não foram verificados publicamente em um ambiente de produção em larga escala. Umesh Padval, sócio-gerente da Seligman, disse que este é o maior influxo de capital que ele viu em 40 anos de investimento em infraestrutura de IA — mas isso também mostra o quão quente este segmento está agora, e que o valor do financiamento não deve ser tomado como validação técnica.
Este segmento já tem alguns players de peso
A Cognichip não está sozinha. Ainda nos primeiros meses de 2026, a concorrente ChipAgents concluiu uma rodada Série A de US$ 74 milhões, e a Ricursive levantou US$ 300 milhões em uma rodada Série A. Juntas, apenas nos primeiros quatro meses de 2026, mais de US$ 400 milhões foram despejados no segmento de design de chips de IA.
Os gigantes estabelecidos de EDA, Synopsys e Cadence Design Systems, também não estão parados. Sua capitalização de mercado combinada ultrapassa US$ 100 bilhões, e ambos estão implementando ativamente recursos de design assistido por IA. A pressão sobre as startups não é pequena.
A entrada de Lip-Bu Tan no conselho da Cognichip merece destaque. A própria Intel é uma das maiores empresas de chips do mundo, e o CEO apoiar pessoalmente uma startup de design de chips de IA é um sinal que vai além do dinheiro. Ele traz o entendimento mais profundo do processo de design de chips, bem como a potencial disposição de cooperação da Intel nessa direção.
IA ajudando a construir seu próprio cérebro
O aspecto mais fascinante deste segmento é sua recursividade: os próprios modelos de IA precisam de chips para treinamento e inferência, e agora as pessoas começam a usar IA para projetar esses chips. Se for realmente possível comprimir significativamente o ciclo de design, a velocidade de iteração da próxima geração de aceleradores de IA não será mais limitada apenas pelo número de engenheiros, mas também pela própria capacidade das ferramentas de design de IA.
Este é um ciclo virtuoso e a lógica fundamental por trás dos investimentos maciços.
O verdadeiro teste para a Cognichip agora é: ela pode apresentar um caso de uso em que uma grande empresa esteja disposta a aplicá-lo em um projeto real de tape-out? US$ 93 milhões em munição são suficientes para queimar por um tempo.
Fonte de referência: CocoLoop, Cognichip wants AI to design the chips that power AI, and just raised $60M to try (TechCrunch)