记者于近日获悉，一家以AI重构芯片设计范式的硬核科技公司，成立不足两个月，就已完成种子轮融资，由专注于早期投资的优的资本领投。这家名为上海万睿驰谱科技有限责任公司（VeriChip）的初创企业，以“AI+EDA+IC”一体化架构为技术底座，致力于用AI原生路径重新定义芯片设计流程。本轮融资将用于加速产品研发迭代、团队扩充及市场拓展，推动中国芯片设计实现自主可控与效率跃升。
效率瓶颈催生结构性机会
据有关行业数据显示：全球AI芯片设计自动化市场正经历爆发式增长，预计将从2026年81亿美元增长至2034年304亿美元，CAGR达12.1%。其中AI辅助芯片设计全赛道2025-2030年CAGR预计达29%-33%，是半导体产业链中增速最高的独立投资集中地。
与此同时，AI迭代速度与芯片设计周期的“剪刀差”愈发凸显：生成式AI大模型迭代周期已缩短至数月，而芯片设计周期仍长达18-36个月。7nm芯片平均设计成本高达2-2.5亿美元，3nm更攀升至6-6.5亿美元，一次流片失败代价动辄5000万美元以上。芯片设计产能已从“人力瓶颈”演变为“结构性瓶颈”。
资本信号：行业拐点已至
2026年，AI+EDA赛道成为全球资本竞逐的核心战场。由前谷歌AlphaChip核心团队创立的Ricursive Intelligence，成立后不到两个月完成3亿美元A轮融资，投后估值40亿美元，投资方包括Sequoia、Lightspeed、DST Global及NVIDIA旗下的NVentures。
从估值对比看，国内头部AI EDA初创公司估值在数亿元人民币量级，而全球头部Ricursive Intelligence估值已达约300亿元人民币，两者之间的估值差距本身，就折射着可预见的增量空间。
路径选择：从“AI辅助”到“AI原生”
据观察，AI+EDA赛道正分化出两条截然不同的技术路径：
路径一：传统改良路径——在现有EDA工具中叠加AI插件，如脚本生成、日志分析、参数调优、PPA探索等。这条路务实但不改变底层架构。
路径二：AI原生路径——从底层架构出发，将大模型技术、EDA工具链与芯片设计的物理规律三者原生耦合，重新定义芯片设计流程。
两者的本质区别在于：前者卖的是效率，后者卖的是平台。而VeriChip正是第二条路径的践行者。
AI为翼、验证为基：剑指芯片设计自动化
芯片设计流程极为复杂，其中验证环节成本占比高达70%以上，而且，随着SoC芯片复杂度与集成度的持续提升，验证工作量的增长速度已显著超过传统验证流程的效率提升速度。
即便有AI技术的引入，验证的基本规律并未被打破，验证收敛的挑战依然严峻。这恰恰是VeriChip的价值所在：该团队核心成员平均拥有15年以上的验证EDA经验，兼具深厚的技术底蕴与扎实的工程落地能力，在AI技术浪潮下，对于如何利用AI重构验证范式，已经形成了清晰的技术路径。
对于AI+EDA这类大型工业软件，拥有解决方案只是万里长征的第一步，更艰巨的任务在于：如何将产品真正开发出来，并持续迭代，实现工业级的可靠稳定，被客户认可和使用。VeriChip创始团队既曾在EDA巨头成功主导过核心产品的多项关键技术研发，也曾在本土EDA企业完成国产EDA从0到1软件的开发，并获头部客户认可，积累了数十年的工业软件开发与客户支持经验。在AI时代，该团队迅速拥抱最新的AI技术，升级内部研发流程，大幅提升了项目开发效率。
目前，VeriChip已推出多款AI原生产品，覆盖验证全流程的关键环节：
Lemu仿真一体机：专注解决行业长期痛点——仿真性能瓶颈。传统芯片仿真验证一个模块可能需要数天甚至数周，而Lemu将这一周期显著缩短，帮助芯片设计团队将“等待验证结果”的时间转化为“推进设计迭代”的时间。目前该产品已部署于多家芯片设计公司及高校种子客户，持续积累实战反馈。
Trax（AI驱动的调试Agent）：帮助工程师高效定位并修复仿真结果中的问题；
Skema系统：可自动解析设计意图、生成Testbench、产出RTL代码，并智能调度验证任务，完成全流程闭环。
所有产品均采用AI原生架构——即从底层设计出发，将大模型技术、EDA工具链与芯片设计的物理规律三者原生耦合，而不是简单在传统工具上叠加AI插件。这些产品既可协同处理复杂任务，也可独立使用，针对不同客户痛点灵活组合。每一次产品迭代，都朝着AI自主设计芯片的终极目标稳步迈进。
创造“流程级自动化”的质变时刻
作为此次种子轮的领投机构，优的资本负责人表示：“我们正站在一个历史性的拐点上。AI芯片设计自动化正处于从“点状优化”走向流程级自动化”的质变时刻。资本坚定看好的不仅是优化效率，更是一个可能改写芯片设计方法论的技术范式。”
公司创始人表示：“VeriChip的诞生，恰逢技术拐点、国产替代窗口与AI投资热潮三股力量交汇的历史节点。种子轮融资的完成，只是加速公司从产品迭代到客户验证的第一步。公司正积极寻求与更多芯片设计企业、高校实验室及产业链伙伴的合作，共同推动AI原生芯片设计范式的落地。”
传金所提示：文章来自网络，不代表本站观点。
