Ein Team mit chinesischem Hintergrund hat sich als unerwarteter Top-Aufsteiger im Chipdesign im Zeitalter der künstlichen Intelligenz durchgesetzt.

In nur zwei Jahren hat ChipAgents mit mehr als 120 Halbleiterunternehmen zusammengearbeitet, seine Kooperation mit NVIDIA ausgebaut und kürzlich eine Serie-A-Finanzierung in Höhe von 900 Millionen Yuan abgeschlossen. Noch bemerkenswerter ist, dass diese neue EDA-Kraft im Zeitalter der KI von einem Kernteam mit ausgeprägtem chinesischen Hintergrund geleitet wird.

Von dem UCSB-Labor in den Chipdesign-Markt eingetreten

Im Jahr 2024 wurde ChipAgents in einem KI-Labor der University of California, Santa Barbara (UCSB) gegründet.

Gründer und CEO William Wang ist gleichzeitig Professor für künstliche Intelligenz an der UCSB. Im Jahr 2009 erwarb er seinen Bachelor in Informatik an der Fakultät für Informationstechnik der Shenzhen University, studierte anschließend an der Columbia University und der Carnegie Mellon University weiter und promovierte 2016 in Informatik.

William beschäftigt sich seit langem mit der Forschung im Bereich der künstlichen Intelligenz. Bevor er in die industrielle Gründung einstieg, forschte er bereits seit vielen Jahren auf Gebieten wie generative KI und großen Sprachmodellen. Im Jahr 2022 war er Gastwissenschaftler bei Amazon Web Services und beteiligte sich an Arbeiten im Zusammenhang mit Amazon Q.

Vor zwei Jahren begannen ein Professor und mehrere Studenten, über eine Frage nachzudenken: Kann KI die Art und Weise verändern, wie Chips weltweit entworfen werden?

Die Antwort von ChipAgents lautet: KI wird von einem Hilfswerkzeug zu einem Agenten weiterentwickelt, der echte Chip-Engineering-Aufgaben ausführen kann.

Das Team, das aus dem UCSB-Labor hervorgegangen ist, weist ebenfalls einen deutlichen chinesischen Hintergrund auf. Neben William Wang, der seinen Abschluss an der Shenzhen University gemacht hat, verfügt Cindy Cui, die für den globalen Kundenerfolg zuständig ist, über einen Master in Mikroelektronik an der Tianjin University und arbeitet seit mehr als 20 Jahren in der Halbleiter- und EDA-Branche; Kexun Zhang, der für die Forschung zuständig ist, absolvierte Praktika bei Tencent Shenzhen und Microsoft Peking und leitet heute die zentrale KI-Forschung bei ChipAgents. Emily Yan, die für den Markt zuständig ist, beherrscht Chinesisch und Englisch fließend, hat Arbeiten in chinesischen akademischen Zeitschriften veröffentlicht und war zuvor bei Siemens und Synopsys im Markenbereich tätig.

Von KI-Unterstützung zum autonomen Chipdesign übergehen

ChipAgents ist der Ansicht, dass die herkömmliche Anwendung von KI im Chipdesign sich größtenteils auf spezifische Aufgaben wie Dokumentenverarbeitung, Bug-Analyse und Generierung von Testplänen konzentriert.

Größere Chancen liegen in einem geschlossenen, autonomen Engineering-Prozess: KI versteht die Designabsicht, schließt zwischen RTL und der Verifizierungsumgebung, generiert und bewertet Desingergebnisse, ruft EDA-Tools auf und lernt kontinuierlich aus Feedback, um schließlich komplexe Chipentwicklungsaufgaben zu bewältigen. Das ist auch der Unterschied zwischen ChipAgents und gewöhnlichen KI-Copiloten.

Das Unternehmen verfolgt das Ziel, dass KI-Agenten komplexe Design- und Verifizierungsarbeiten selbstständig planen und ausführen können. Ausgehend von Spezifikationen werden synthetisierbare Verilog-, SystemVerilog- und Testplattformen generiert, anstatt Ingenieuren nur Codevorschläge zu liefern.

Zwei Jahre nach der Gründung von ChipAgents deckt sein Multi-Agent-System bereits Arbeiten wie RTL-Design, Verifizierung und Debugging ab. Im Jahr 2025 hat das Unternehmen bereits die Massenproduktionsbereitstellung bei mehreren führenden Halbleiterunternehmen realisiert, wobei sich der Einsatz bei einem einzelnen Kunden sogar von einem Pilotteam auf Hunderte von Ingenieuren ausgeweitet hat.

Eigenes Renoir entwickelt, um die entscheidende Lücke der KI im Chipbereich zu schließen

Im Juni dieses Jahres veröffentlichte ChipAgents das erste selbstentwickelte Modell Renoir. Das Unternehmen ist der Ansicht, dass allgemeine große Modelle für das Halbleiterdesign zwei zentrale Probleme aufweisen: unzureichende Daten und strenge Sicherheitsanforderungen.

Im Software-Engineering gibt es eine große Menge an öffentlichem Code, Dokumenten und technischen Diskussionen, aber das wertvollste Ingenieurwissen im Halbleiterdesign befindet sich häufig in internen Designdateien, Debug-Protokollen und Tool-Daten von Unternehmen, sodass keine öffentlichen Trainingskorpora gebildet werden können.

Gleichzeitig sind Chipdesigndateien und geistiges Eigentum hochsensibel, sodass viele Unternehmen diese Daten nicht in Drittanbieter-Cloud-Umgebungen übertragen können.

Daher wurde Renoir von Anfang an für das Chipdesign optimiert. Das Modell wird auf Basis eines großes Expertenmodells mit offenen Gewichten feinabgestimmt, kombiniert öffentliche Halbleiterdaten mit den internen Trainingsdaten von ChipAgents und deckt Szenarien wie RTL-Generierung, Spezifikationsverständnis, Debugging, Testgenerierung und Toolaufruf ab.

Noch wichtiger ist, dass Renoir in der eigenen Infrastruktur des Kunden ausgeführt werden kann, ohne auf externe APIs angewiesen zu sein. Bei den von ChipAgents veröffentlichten internen Benchmark-Tests für Chipdesign erreicht Renoir eine Leistung, die der von Claude Opus 4.6 nahekommt, und senkt gleichzeitig die Kosten um mehr als die Hälfte.

NVIDIA beteiligt sich, um die Entwicklung von Renoir weiter zu beschleunigen

Am 26. Juli kündigte ChipAgents die Ausweitung seiner Zusammenarbeit mit NVIDIA an, um die Entwicklung von Renoir voranzutreiben.

ChipAgents nutzt NVIDIA Megatron Core für das Training großer Modelle, NVIDIA NeMo Megatron Bridge zur Unterstützung von Trainingsabläufen und Modellformatumwandlungen sowie NVIDIA Model Optimizer für Modelloptimierungen wie Quantisierung.

Kexun Zhang, Forschungsleiter von ChipAgents, erklärte, dass das Halbleiterdesign ein anderes System erfordert als die allgemeine KI: Es muss nicht nur die Hardware-Designabsicht verstehen, sondern auch strenge Sicherheitsgrenzen überschreiten, um zwischen Design- und Verifizierungsergebnissen zu schließen, und gleichzeitig eine Kostenstruktur aufweisen, die eine großflächige Bereitstellung in Ingenieursteams ermöglicht.

ChipAgents hofft, mit Hilfe der KI-Software und der beschleunigten Recheninfrastruktur von NVIDIA das Training, die Optimierung und die Bereitstellung von Renoir zu beschleunigen, um von KI-gestützten Aufgaben weiter zum geschlossenen autonomen Engineering überzugehen.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Kun Shao spricht“, Autor: Kun Shao, veröffentlicht mit Genehmigung von 36Kr.