独家丨把芯片设计交给AI，上海AI Lab李林阳创业获数千万元首轮融资

“继晶圆制造平台化之后，丨把芯片设计是芯片否会成为半导体产业的下一个平台化能力？”

作者丨陈悦琳
编辑丨包永刚

芯片设计行业正迎来由AI驱动的范式转移拐点。

雷峰网独家获悉，设计上海国内初创企业Novasilicon（芯星元）率先切入这一赛道，李林阳轮融近日已完成数千万元首轮融资，创业由五源资本独家投资。获数

与传统Design House（芯片设计公司）不同，千万Novasilicon认为AI不应仅被视为辅助工具，元首而应作为核心驱动力，丨把“从大模型底层逻辑出发，芯片重构芯片设计流程。设计上海”创始人兼CEO李林阳向雷峰网表示。李林阳轮融

实现这一愿景需要跨界融合：仅懂AI或仅懂芯片均不足以胜任。创业

公开资料显示，获数李林阳现任上海人工智能实验室青年科学家，千万曾参与国内首个开源大语言模型MOSS的研发，并带领团队开发出国内首个兼具专业围棋能力与自然语言思维解释能力的大模型InternThinker。自去年起，他全面负责AI for Chip Design相关项目。

联合创始人团队则补齐了工程落地能力：COO薛建喜拥有二十余年数字芯片设计经验，曾服务多家知名AI芯片企业；CTO陈建球为翱捷科技早期核心成员，深耕模拟及混合信号芯片设计二十余年。

Novasilicon旨在服务于大模型企业、智能机器人公司、云计算服务商及消费电子厂商等有增量自研芯片需求的企业。目前，公司通过NRE（一次性工程服务）模式，正积极拓展与Foundry（晶圆代工厂）、IDM（垂直整合制造）等产业链伙伴的合作。

按计划，公司将于年内推出标准化后端设计产品，验证从工程服务向产品化转型的路径。

值得注意的是，利用AI进行芯片设计并非全新概念。2021年，谷歌DeepMind团队曾公开利用AI完成TPU版图规划，显著缩短设计周期。

五年后的今天，随着大模型能力的飞跃，海外涌现出一批由谷歌、英伟达前员工创办的AI驱动芯片设计公司，累计融资额已超5亿美元。

作为国内首家亮相的同类型企业，也是AI-Native（原生AI）新公司，Novasilicon究竟有何布局？

01 AI DesignHouse：锁定AI芯片设计的增量蓝海

过去半年，芯片巨头、大模型公司及云厂商不约而同地加速押注云端算力：微软推出自研第二代推理GPU，英伟达引入新架构芯片LPU，OpenAI与博通合作开发适用于大模型推理的ASIC。

与此同时，Fortune Business Insights预测，全球边缘AI半导体市场规模将从2026年的298.5亿美元增长至2034年的1078.6亿美元。多样化的硬件应用场景催生了对定制化芯片的巨大需求。

李林阳指出，传统以人工为核心的芯片设计模式，已难以适应小批量、多品类、快速迭代的芯片生产节奏。这一痛点构成了用AI设计芯片的巨大市场机遇。

Novasilicon预判，AI在芯片设计全流程中的参与度将从2025年的5%跃升至五年后的80%。

Novasilicon想做AI EDA吗？李林阳首先澄清了这一常见误解：“我们不是EDA公司。”

他认为，EDA仍是芯片设计不可或缺的基础设施，主流EDA厂商的思路是在现有工具中引入AI。Novasilicon不打算替代这些工具，而是选择突破原有范式，让多AI Agent（智能体）承担人类工作，负责设计、规划、调用EDA工具及持续迭代优化。

李林阳将Novasilicon类比为“AI版博通”，服务于那些因周期漫长、成本高昂而难以覆盖芯片设计需求的企业，或从未想过自研芯片的公司。

在交付形式上，COO薛建喜表示，客户可选择获取图纸自行投产，或直接获得可用芯片。

“AI版博通”定义了Novasilicon当下的商业模式，而其长期愿景则指向另一家公司。

团队认为，1987年半导体产业完成第一次专业化分工，IDM分化为Fabless（无晶圆厂）和Foundry，台积电让晶圆制造成为可调用基础设施。

如果说台积电实现了“制造能力”的平台化，那么推动半导体行业第二次分工的Novasilicon，希望实现“芯片设计能力”的平台化，推动Fabless演进为“Designless + AI DesignHouse”——企业无需自建设计团队，即可按需调用芯片设计能力。

02 摒弃数据依赖，以强化学习从后端切入

在李林阳看来，让“AI设计芯片”服务成立的基石是大模型本身。

当以Openclaw为代表的Agent框架展现出任务规划、工具调用及多智能体协同能力时，大模型已具备承担复杂工程任务的底气，而芯片设计提供了天然的训练场。

芯片设计的每次优化均可通过物理仿真验证，EDA工具链进一步缩短了验证迭代周期。在此过程中，大模型不仅能参与设计，更能在持续试错中学习优化。

OpenAI与博通的合作即为典型案例：从产品定义到流片仅耗时约九个月，得益于OpenAI将大模型能力引入芯片研发。薛建喜指出，这在某种程度上是在构建垂直领域模型。

因此，Novasilicon未采用行业主流的模仿学习（Imitation Learning）路径。

李林阳解释，模仿学习依赖历史RTL代码、验证数据、网表、版图及设计文档进行训练或微调，虽在RTL生成等文本化环节有效，但芯片设计数据天然高度保密，高质量开源数据稀缺，数据规模成为制约大模型能力的瓶颈。

基于此，Novasilicon选择类似SuperLearner的强化学习路线——构建具备通用决策能力的模型，通过自主探索寻找最优策略，而非依赖海量人工数据。

Novasilicon并非孤军奋战，谷歌、英伟达等巨头已在实践。同时，一批新创公司快速涌现：谷歌AlphaChip核心成员、英伟达芯片设计AI负责人任浩星自立门户；瞄准芯片基础模型的Cognichip吸引英特尔CEO陈立武加入董事会。

资本亦集中押注。雷峰网统计显示，仅Ricursive、ChipAgents和Cognichip三家国外AI芯片设计初创公司，公开融资金额已超5亿美元。

李林阳认为，Novasilicon在技术路线和业务模式上与上述公司存在差异。团队致力于整合通用模型、多Agent协同与芯片设计能力，搭建可持续交付设计成果的平台。

鉴于芯片设计流程漫长复杂，全流程自动化门槛极高。当前，Novasilicon选择从模拟后端版图设计和数字后端布局布线任务切入。

李林阳指出，后端决定“能否制造、制造后能否正常工作”，相比前端拥有更明确的工程约束和量化反馈，是最易形成商业闭环的突破口。

“许多人误以为前端仅是写代码，实则只见冰山一角。从大模型解决问题的角度看，后端难度有本质区别。”李林阳直言。

对于Novasilicon而言，后端仅是起点。李林阳透露，未来几个月团队将进一步推进覆盖AI芯片设计前后端全流程的多Agent集群建设，这将是其抓住的未来机遇。

更多关于AI Design House的企业故事和产业观察，欢迎添加作者微信 Evelynn7778 交流。

(责任编辑：休闲)