Reuters 报道 ChipAgents 在与 Nvidia 的合作扩大后筹集了6000万美元

Why it matters

ChipAgents is financing an independent AI layer for chip verification while entrenched EDA vendors deploy their own Nvidia-backed agents. Trusted results and distribution will determine whether Wang can break into production workflows.

William Wang (@WilliamWangNLP), 是 ChipAgents 背后的人工智能教授，已筹集6000万美元，以加速其在半导体设计中使用人工智能代理，Reuters reported on July 29th。

据报道，这轮融资发生在 ChipAgents 完成由 Matter Venture Partners 领投的5000万美元 Series A1 不到六个月之后，Bessemer Venture Partners、Micron、MediaTek 和 Ericsson 也参与了该轮融资。ChipAgents 表示 2月17日 的那轮融资使其累计筹资达到7400万美元。Reuters 报道的新6000万美元数字是在那次融资之后，但 ChipAgents 尚未为其最近几轮融资公布估值。

Wang 于2024年创立了 Alpha Design AI，这家公司是 ChipAgents 背后的法人实体，此前他在语言模型和机器推理领域建立了职业生涯。他是 University of California, Santa Barbara 的计算机科学教授，并担任 Mellichamp Endowed Chair in Mind and Machine Intelligence，负责该校的自然语言处理小组并创立了其 Center for Responsible Machine Learning。

他进入芯片验证领域的路径始于定理证明而非半导体软件。在一篇 2025 年对 Bessemer 的采访 中，Wang 将这一想法追溯到他在 Carnegie Mellon University 的 2011 年博士研究，当时他从事形式方法和可扩展推理。到 2024 年，他认为 agentic 系统方面的进展已经可以应用到电子设计自动化（electronic design automation，EDA），即工程师用来设计和验证芯片的软件层。

根据他的 ChipAgents biography，Wang 还在 2022 到 2024 年间参与了 AWS Bedrock 上的 Amazon Q。语言模型研究与形式化推理的结合支撑了 ChipAgents 的主张：半导体工程需要能够理解硬件意图、调用既有设计工具并验证自身输出的代理，而不是像通用编程助手那样工作。

为芯片工程的领域模型提供资金

ChipAgents 正在利用这笔资金构建围绕 Renoir 的生态——Renoir 是在 6 月 17 日推出的领域专用大型语言模型和代理系统。Renoir 旨在阅读规格说明并在寄存器传输级（register-transfer-level）代码、验证计划、断言、日志、波形以及来自电子设计自动化工具的输出之间进行推理。

该系统可以部署在客户受控的基础设施内，这对那些设计文件和调试记录包含严格保密知识产权的半导体公司来说是一个重要要求。ChipAgents 表示，Renoir 是在开放权重的 mixture-of-experts 模型基础上通过使用公开半导体材料和通过其内部训练系统生成的专有数据进行微调得到的。

7 月 26 日，ChipAgents 扩大了与 Nvidia 的合作，以训练和优化 Renoir。ChipAgents 使用 Nvidia 的 Megatron Core 进行分布式模型训练，使用 NeMo Megatron Bridge 进行检查点转换，并使用 Model Optimizer 提高量化和推理效率。

Nvidia 的角色集中在 AI 软件和加速计算上。随着 Wang 试图将产品从自动化单个工程任务的代理推进到能够完成更长闭环设计和验证工作流的系统，这种关系为 ChipAgents 提供了成熟的训练和部署堆栈访问权限。

这种区分是吸引资金流入该类别的关键。芯片设计代理需要模型训练、半导体专用数据、与现有 EDA 产品的集成以及广泛的验证。生成的软件功能可以在部署后修订；而一个通过了验证仍存留的设计错误可能迫使进行昂贵的芯片重设计并推迟生产。

ChipAgents 在 2 月表示其平台已在 80 家半导体公司部署，年度经常性收入同比增长了140倍。其当前的 LinkedIn 简介显示该产品已在超过120家半导体公司使用。这些采用和增长数据由 ChipAgents 提供，公司尚未公布相应的收入数字。

这些性能数据也是公司自测得出。ChipAgents 声称其代理能够将规格理解加速15倍、形式断言生成加速240倍、Universal Verification Methodology 环境生成加速400倍。商业上的考验在于这些任务层面的收益能否在完整的生产项目中持续显现——在那些项目中，工程师必须管理专有工具链、大型代码库和签核要求。

Nvidia 正在该领域全面发力

ChipAgents 正进入一个由与客户关系深厚、产品嵌入半导体开发各环节的 EDA 厂商控制的市场。这些既有厂商也在加入自己的代理层，且通常采用 Nvidia 的技术。

Cadence launched ChipStack AI Super Agent 于 2 月推出，旨在自动化前端芯片设计和验证。Cadence 表示该系统可以通过协调其现有的 EDA 产品来生成设计和测试平台、创建验证计划、运行回归测试并调试失败。

Synopsys 正与 Nvidia 一起构建 AgentEngineer，作为一个开放的、硬件加速的 agentic EDA 堆栈的一部分。Siemens introduced Fuse EDA AI Agent 于 3 月推出，并在 7 月 26 日扩展了与 Nvidia 的合作，以支持覆盖半导体和印刷电路板设计的自我验证工作流。

因此，Nvidia 为 ChipAgents 提供了基础设施和行业验证，但并未给予 Wang 独家的技术通道。ChipAgents 必须通过其领域模型、部署选项以及在大型供应商拥有的工具环境中工作的能力来竞争。

初创公司也在抢占同一突破口。Cognichip 在 4 月筹得6000万美元的 A 轮融资，用于开发面向芯片设计的物理驱动基础模型。竞争方法各不相同，但融资逻辑是一致的：芯片复杂度不断增加且经验丰富工程师供应有限，已使设计生产率成为半导体公司的经济约束。

Wang 已将来自其试图改变的行业的高管围绕在 ChipAgents 周围。其顾问包括前 Mentor Graphics CEO Wally Rhines、前 Synopsys 首席技术官 Raul Camposano 和前 Cadence CEO Jack Harding。Matter 的创始管理合伙人 Wen Hsieh 在 2 月融资后加入了董事会，而 Marvell Data Center Group 总裁 Sandeep Bharathi 则加入了顾问委员会。

据报道的这轮6000万美元融资为 Wang 提供了更多资源，用于一场将在验证和分发上决出胜负的竞争。ChipAgents 必须证明一个独立的 AI 层能够赢得在半导体项目内部运行所需的信任，而 Cadence、Synopsys 和 Siemens 则将代理直接捆绑进工程团队已经在使用的工具中。