Ricursive Intelligence؛ استارتآپی که با هوش مصنوعی طراحی تراشه را متحول میکند
Ricursive Intelligence، استارتآپی تازهتأسیس با بنیانگذاران آنا گلدی (مدیرعامل) و آزالیا میرهوسینی (فنی)، در مدت کوتاهی توجه صنعت نیمههادی و سرمایهگذاران را جلب کرده است. این شرکت که چهار ماه پس از راهاندازی اعلام جذب سرمایه 300 میلیون دلاری سری A به ارزشگذاری 4 میلیارد دلار به رهبری Lightspeed را کرد — و پیش از آن دور 35 میلیون دلاری seed را با هدایت Sequoia به پایان رسانده بود — هدفش نه ساخت تراشه بلکه خودکارسازی طراحی تراشهها با کمک هوش مصنوعی است.
پیشینه تیم و فناوری
گلدی و میرهوسینی هر دو سابقه کار در Google Brain و کارمندی زودهنگام در Anthropic را دارند و در دانشگاه استنفورد هم مسیرهایشان به هم گره خورده است. در دوران حضورشان در گوگل، آنها پروژهای به نام Alpha Chip توسعه دادند؛ ابزاری مبتنی بر هوش مصنوعی که میتوانست در عرض چند ساعت چینش منطقی و فیزیکی تراشه را تولید کند—کاری که معمولاً برای طراحان انسانی ماهها تا بیش از یک سال طول میکشد. Alpha Chip در طراحی سه نسل از Tensor Processing Unitهای گوگل نقش داشت و همین پیشینه مسیر شکلگیری Ricursive را هموار کرد.
رویکرد فنی و مزیت رقابتی
تمایز اصلی Ricursive در این است که میکوشد نرمافزارهایی بسازد که طراحی تراشه را اتوماسیون کنند، نه اینکه خود تراشه بسازد. به بیانی دیگر، این شرکت رقیب Nvidia یا سازنده تراشه نیست؛ بلکه مشتریان هدف آن خودِ شرکتهای بزرگ تولیدکننده تراشه مانند Nvidia، AMD و Intel هستند — و جالب اینکه Nvidia نیز در جمع سرمایهگذاران حضور دارد. پلتفرم Ricursive از ترکیبی از روشهای یادگیری عمیق، مدلهای زبانی بزرگ (LLM) و روشهایی شبیه تقویت یادگیری با «سیگنال پاداش» استفاده میکند تا کیفیت طراحی را ارزیابی و مدل را بهبود دهد. با گذر زمان و طراحی هزاران چیدمان، سامانه نه تنها دقیقتر که سریعتر نیز میشود و قرار است «یادگیری متقاطع بین تراشهها» را نیز فراهم کند؛ یعنی هر تراشهای که طراحی میکند، توانایی طراحی تراشههای بعدی را بهبود میبخشد.
چرا اهمیت دارد
طراحی یک تراشه شامل جایگذاری میلیونها تا میلیاردها گیت و مؤلفه روی ویفر سیلیکون است. انتخاب موقعیت و چینش مؤلفهها تأثیر مستقیم بر عملکرد، مصرف انرژی و هزینه دارد و فرآیند دستی آن بسیار وقتگیر و هزینهبر است. خودکارسازی این مرحله با هوش مصنوعی میتواند زمان طراحی را از ماهها و سالها به ساعتها کاهش دهد، امکان آزمایش سریعتر معماریهای جدید را فراهم کند و چرخهٔ توسعه میان مدلهای هوش مصنوعی و سختافزارهای پشتیبان را تسریع کند. بنیانگذاران معتقدند این همتکاملی سریع بین مدلها و تراشهها میتواند رشد هوش مصنوعی را شتاب دهد و در عین حال با بهینهسازیهای سختافزاری بهرهوری انرژی و هزینه را بهطور چشمگیری بالا ببرد — حتی تا مرتبهای نزدیک به 10 برابر در «عملکرد نسبت به کل هزینه مالکیت»، به گفته گلدی.
چالشها و مسیر پیشرو
کار Ricursive در عین نوآورانه بودن با چالشهایی روبهروست؛ از جمله پذیرش صنعتی، تضمین کیفیت طراحیها در محیطهای واقعی تولید و مسائل رقابتی و حقوقی پیرامون مالکیت فکری. گزارشها نشان دادهاند که پروژه Alpha Chip حتی در داخل گوگل با مخالفتهایی مواجه شده است. اما تقاضای گسترده از سوی سازندگان تراشه و علاقه سرمایهگذاران بزرگ نشانههایی از پتانسیل بالای فناوری است.
وضعیت بازار و مشتریان
اگرچه Ricursive نام مشتریان اولیهاش را علنی نکرده، بنیانگذاران میگویند از سوی همه بازیگران عمده صنعت تراشه و سازندگان تجهیزات الکترونیکی تماس گرفته شده و آنها در موقعیتی هستند که شرکای توسعهدهنده اولیه را انتخاب کنند. در صورتی که پلتفرم این شرکت کارآیی وعده دادهشده را ثابت کند، میتواند نقش مهمی در کوتاهکردن چرخهٔ نوآوری سختافزاری و حتی تسریع مسیر رسیدن به اهداف بلندپروازانهای مانند AGI ایفا کند — جایی که «هوش مصنوعی با طراحی سختافزار خودِ مغزهای محاسباتی» روبهرو میشود.
Ricursive بهسرعت در حال جذب توجه است و تلاقی تجربه تیم مؤسس، حمایت سرمایهگذاران بزرگ و نیاز واقعی بازار به خودکارسازی طراحی تراشه میتواند آن را به بازیگری کلیدی در آیندهٔ طراحی سختافزار مبتنی بر هوش مصنوعی تبدیل کند.