В июне 2026 года стартап из Пало-Альто привлёк $24 млн на то, чтобы ИИ проектировал чипы для ИИ. Архитектор этих чипов — сам ИИ.
Компания строит ИИ-систему, которая проектирует и верифицирует чипы «end-to-end» (от спецификации до готового GDSII-файла).
В seed-раунде участвовали Kindred Ventures, Jeff Dean (Google DeepMind), топ-менеджеры OpenAI и NVIDIA. Команда — выходцы из Apple, Tesla, Anthropic, DeepMind — уже выпустила 80+ чипов в production.
Цель — превратить кастомный кремний из привилегии горстки компаний в доступный инструмент для любой компании с вычислительной нагрузкой.
Кремниевый затор
Закон Мура замедлился. Транзисторы больше не дешевеют предсказуемо, и прирост производительности теперь определяется не литографией, а архитектурой — как расположены блоки памяти, как данные движутся между ядрами, насколько чип заточен под конкретную задачу. Проблема в том, что спроектировать эту архитектуру — одна из самых дорогих и медленных операций в технологической индустрии.
Современный datacenter — это уже не «CPU + GPU + memory». Это гетерогенная среда из десятков специализированных чипов: для инференса, для обучения, для сетевой обработки, для шифрования. Каждая нагрузка хочет свою геометрию кремния. Но спроектировать custom-чип могут единицы.
Broadcom и Marvell зарабатывают на этом десятки миллиардов долларов в год — они проектируют чипы для Amazon и Google. Рынок заперт в олигополии не из-за секретных технологий, а из-за инерции: цикл разработки не сократился за 20 лет.
Architect Labs анонсировала платформу, которая должна это изменить.
Architect Labs — посевной раунд
Лид — Kindred Ventures. Среди ангелов — Jeff Dean (Google DeepMind), Srinivas Narayanan (OpenAI), Lukasz Kaiser, Aravind Srinivas (Perplexity AI) и руководители NVIDIA · Business Wire, июнь 2026
«Бесфабричная» индустрия кремния — теперь для дизайна
20 лет назад TSMC сделала для производства чипов то, что стартап хочет сделать для проектирования. Fabless-модель отделила дизайн от фабрики — компания могла спроектировать чип, не владея заводом. Это породило NVIDIA, Qualcomm и сотни других компаний.
Основатели стартапа Ebrahim Hussain и Aaditya Subedi называют следующий шаг «designless semiconductor industry» — индустрия, в которой компания приносит вычислительную нагрузку и получает готовый чип, не становясь при этом чипмейкером. ИИ берёт на себя этапы от архитектуры до верификации.
Hussain поступил в колледж в 15 лет, работал над custom-чипами в Apple и Tesla над чипом AI5 для автопилота и робота Optimus. Subedi исследовал code verification в Гарварде. Они встретились в Stanford, где изучали применение ИИ для проектирования чипов, и бросили учёбу, чтобы основать компанию.
Команда собрала исследователей и инженеров из Anthropic, DeepMind, xAI, Meta, Google и Intel. Коллективный опыт — 80+ выпущенных в production чипов.
Synopsys, Cadence и другие EDA-компании добавляют ИИ-ассистентов в существующие пайплайны — «bandaging an AI assistant onto existing flows», как говорят в компании. Это даёт маржинальный прирост. Стартап перестраивает процесс с нуля: ИИ не помогает инженеру, ИИ проектирует чип сам.
Рынок, который ждёт
Параллельно с запуском Architect Labs происходит структурный сдвиг. Потребность в custom-чипах растёт экспоненциально: AI-инференс, робототехника, autonomous systems, edge devices — каждая ниша хочет свою архитектуру. McKinsey оценивает рынок полупроводников в $1 трлн к 2030 году.
Но количество квалифицированных чип-дизайнеров не растёт — наоборот, оно сокращается. Этот разрыв — главный аргумент инвесторов. Steve Jang из Kindred Ventures называет это «эпохой кастомных чипов для разных типов систем и нагрузок».
Это не первая попытка применить ИИ к проектированию чипов. Google уже использует RL-агентов для размещения блоков на кристалле (floorplanning). NVIDIA тренирует модели для оптимизации энергопотребления. Но стартап идёт дальше — не оптимизация отдельных этапов, а полная замена конвейера.
Первый tape-out на передовом техпроцессе — компания обещает его до конца 2026 года. Если ИИ-спроектированный чип пройдёт верификацию и покажет конкурентные характеристики, это изменит всю цепочку создания стоимости полупроводников.
Реакция Broadcom и Marvell — существующие игроки могут купить стартап, запустить аналогичную программу или игнорировать угрозу. История подсказывает, что первые два варианта вероятнее.
Привлечение заказчиков за пределами чипмейкеров — софтверные компании, AI-лаборатории, neocloud-операторы. Это покажет, насколько убедительна модель «designless».
Что изменится, если Architect Labs прав?
Вероятность: 35% — первые tape-outs запланированы на 2026 год, но production-качество может потребовать 2–3 итераций.
✅ Аргументы за
Все крупные чипмейкеры и AI-лаборатории уже инвестируют в ИИ для проектирования — рынок созрел.
Стоимость и время разработки растут, а число инженеров не увеличивается. Экономическое давление будет только расти.
Критерии подтверждения: успешный tape-out на техпроцессе ≤7 нм до середины 2027 года.
❌ Аргументы против
EDA-индустрия (Synopsys, Cadence) потратила десятилетия на накопление библиотек и моделей. С нуля их не создать.
Seed-раунд $24M — капля в море. Broadcom тратит $5 млрд в год на R&D. Разрыв в ресурсах колоссальный.
Критерии опровержения: если первый tape-out будет отложен или покажет характеристики на 30%+ хуже, чем у спроектированных людьми аналогов.
Сценарии развития
🟢 Оптимистичный (30%)
Последствия: стоимость входа на рынок полупроводников падает на порядок. Появляются десятки новых чипмейкеров — так же, как fabless-модель породила NVIDIA и Qualcomm.
🟡 Базовый (50%)
Последствия: рынок EDA растёт на 15–20% в год за счёт AI-компонентов, но кардинального изменения структуры индустрии не происходит.
🔴 Пессимистичный (20%)
Последствия: инерция побеждает. Рынок custom-чипов остаётся олигополией, а цикл разработки — 2–5 лет.
Петля обратной связи
Стартап — часть паттерна. ИИ начинает проектировать инфраструктуру, на которой работает ИИ. Это петля обратной связи, которой раньше не существовало.
Раньше цепочка выглядела так: человек пишет софт → софт работает на процессоре Intel → Intel проектирует следующий процессор, глядя на рыночный спрос. Цикл — 3–5 лет. Теперь: ИИ-модель формулирует требования к чипу → ИИ-система проектирует чип под эти требования → чип оптимизирован именно для этой модели. Цикл может сократиться до месяцев.
Google уже использует RL для автоматического размещения блоков на кристалле — и получает результаты на уровне инженеров с 10-летним стажем. NVIDIA тренирует модели для оптимизации энергопотребления на уровне microarchitecture. Synopsys внедряет AI-агентов в DRC-проверки (design rule checking).
Но все эти подходы — «bandaging an AI assistant onto existing flows», как формулируют в стартапе. Они ускоряют отдельные этапы, не меняя архитектуру процесса. Компания пытается заменить конвейер целиком.
Если это сработает, последствия выходят далеко за пределы полупроводников. Когда проектирование чипов перестаёт быть бутылочным горлышком, меняется экономика всей вычислительной инфраструктуры. AI-лаборатории смогут заказывать чипы так же, как заказывают compute — под конкретную модель, а не под общее GPU-меню. Neocloud-операторы — строить дата-центры с архитектурой, заточенной под их специфические workloads. Робототехнические компании — проектировать чипы для конкретных сенсоров и моторов, а не адаптировать общие SoC.
Рынок custom-чипов сегодня — это десятки миллиардов долларов, запертых в ручном процессе. Стартап делает ставку на то, что ИИ может этот процесс автоматизировать. Если ставка пройдёт — мы увидим взрыв разнообразия кремния, сравнимый с тем, что fabless-модель сделала для производства 20 лет назад.
Что это значит
Стартап — проверка гипотезы: может ли ИИ проектировать ИИ-инфраструктуру быстрее, чем люди. Если да — модель и кремний эволюционируют вместе, без разрыва в 3–5 лет. Если нет — рынок остаётся за Broadcom, Marvell и Synopsys.
У этой ставки есть конкретное расписание: tape-out до конца 2026 года. До него — меньше полугода.
