Ricursive Intelligence، استارتاپی که در اواخر ۲۰۲۵ توسط Anna Goldie و Azalia Mirhoseini تأسیس شد، ظرف چهار ماه ۳۳۵ میلیون دلار سرمایه جذب کرده است؛ از این مبلغ ۳۰۰ میلیون دلار مربوط به دور Series A است و ارزش‌گذاری شرکت به ۴ میلیارد دلار رسیده. Nvidia یکی از سرمایه‌گذاران این دور است.

هدف این شرکت، خودکارسازی فرآیند طراحی تراشه با هوش مصنوعی است. در حال حاضر طراحی یک تراشه بین دو تا سه سال طول می‌کشد. Ricursive می‌خواهد این چرخه را به چند هفته کاهش دهد. سیستم این شرکت از تجربه طراحی تراشه‌های قبلی یاد می‌گیرد و روی تراشه بعدی اعمال می‌کند؛ به‌عبارتی یک حلقه بازخورد میان هوش مصنوعی و سخت‌افزار ایجاد می‌شود.

پیشینه بنیان‌گذاران#

Goldie (مدیرعامل) و Mirhoseini (مدیر فنی) پیش از تأسیس Ricursive، پروژه AlphaChip را در گوگل رهبری کردند؛ سامانه‌ای که چیدمان تراشه را در چند ساعت تولید می‌کرد، در حالی که این کار برای طراحان انسانی مدت‌ها طول می‌کشید. این سیستم در طراحی چند نسل از تراشه‌های Tensor Processing Unit گوگل به‌کار رفت. هر دو بنیان‌گذار همچنین تیم ML for Systems گوگل را تأسیس کرده بودند و از کارمندان اولیه Anthropic و پژوهشگران ارشد Google DeepMind بودند.

Goldie دکترای علوم کامپیوتر از Stanford دارد و در فهرست ۳۵ نوآور زیر ۳۵ سال MIT Technology Review قرار گرفته است. Mirhoseini استادیار علوم کامپیوتر در Stanford و بنیان‌گذار Scaling Intelligence Lab در همان دانشگاه است.

محدوده فنی خودکارسازی#

Ricursive اعلام کرده که می‌خواهد بخش‌های پیچیده‌ی طراحی تراشه را از جای‌گذاری اجزا (component placement) تا راستی‌آزمایی طراحی (design verification) خودکار کند. این شرکت معتقد است با شتاب‌بخشی به طراحی تراشه می‌توان به معماری‌های جدیدی رسید که در چرخه‌های سنتی قابل کشف نیستند.

Goldie و Mirhoseini در TechCrunch Disrupt 2026 (۱۳ تا ۱۵ اکتبر، Moscone West در سان‌فرانسیسکو) در نشستی با عنوان «When AI Starts Designing Its Own Hardware» این رویکرد را مطرح کردند.

خوانش تحریریه#

این خبر دو پیام دارد. اول، سرمایه‌گذاری انویدیا روی شرکتی که تراشه طراحی می‌کند، نشان می‌دهد که حتی غول‌های سخت‌افزار هم چرخه سنتی طراحی را گلوگاه جدی می‌دانند و حاضرند پول بدهند تا کسی آن را کوتاه کند. دوم، ادعای کاهش زمان از «سال به هفته» هنوز اثبات‌شده نیست؛ AlphaChip در گوگل چیدمان را در چند ساعت تولید می‌کرد، ولی «چیدمان» کل فرآیند طراحی نیست. بین تولید یک layout و رسیدن به یک تراشه قابل‌تولید، مراحل راستی‌آزمایی، بهینه‌سازی مصرف، و هماهنگی با خطوط ساخت فاصله زیادی وجود دارد. اگر Ricursive واقعاً این فاصله را با هوش مصنوعی پر کند، تأثیرش روی سرعت توسعه مدل‌های بزرگ مستقیم است. تا آن زمان، این یک دور تازه از وعده‌ی شتاب‌دهی است که هنوز روی تراشه واقعی تست نشده.

منبع: TechCrunch AI