AI芯片设计公司Novasilicon获五源资本数千万元首轮融资

背景

芯片设计服务正经历一场由AI驱动的深刻变革。2021年，Google DeepMind 公开使用AI完成TPU的版图规划，验证了AI在芯片设计中的可行性。五年后，大模型的能力显著提升，国外涌现了一批由Google、NVIDIA前员工创办的AI驱动芯片设计公司，累计融资超过5亿美元。与此同时，芯片龙头（如NVIDIA、Microsoft、OpenAI）、大模型企业和云厂商加速押注云端算力与定制化芯片，边缘AI半导体市场规模预计将从2026年的298.5亿美元增长至2034年的1078.6亿美元，小批量、多品类、快速迭代的芯片需求催生了全新的增量市场。

国内一家名为Novasilicon（芯星元）的创企率先浮出水面，定位为「AI Design House」，近日完成首轮融资，由五源资本独家投资数千万元。创始人李林阳认为，传统以人工为核心的芯片设计模式已无法适应当前节奏，AI在芯片设计流程中的参与度将从2025年的5%跃升至五年后的80%。

核心内容

Novasilicon 并非一家EDA公司，而是一个「AI版博通」——通过多AI Agent承担人的工作，负责芯片设计、规划、调用EDA工具以及持续迭代优化，直接突破原有范式。创始人兼CEO李林阳目前担任上海人工智能实验室青年科学家，曾参与国内首个开源大语言模型MOSS研发，并带队完成兼具专业围棋能力与自然语言思维解释能力的大模型InternThinker。联合创始人方面：COO薛建喜深耕数字芯片设计二十余年，曾对接国内多家AI芯片企业；CTO陈建球为翱捷科技早期核心成员，拥有二十余年模拟及混合信号芯片设计经验。

Novasilicon的服务对象包括大模型企业、智能机器人公司、云计算服务商、消费电子等有增量自研芯片需求的公司。目前通过NRE（一次性工程服务）模式推进与Foundry、IDM等产业链企业的合作，并计划于年内推出标准化后端设计产品。交付形式上，客户既可以选择拿到设计图纸自己投产，也可以直接获得可用的芯片。

技术路线上，Novasilicon没有采用行业主流的模仿学习（基于历史RTL代码、验证数据等训练模型），而是选择类似SuperLearner的强化学习路线——构建具备通用决策能力的模型，通过自主探索不断寻找最优策略，不依赖海量人工数据。这是因为芯片设计数据天然高度保密，高质量开源数据极为有限。Novasilicon从模拟后端版图设计和数字后端布局布线任务切入，因为后端决定「能否制造、制造后能否正常工作」，工程约束明确，量化反馈强，最容易形成商业闭环。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。

关键要点

• 定位：Novasilicon 是AI驱动的芯片设计服务公司（AI Design House），而非EDA公司。其目标是将「芯片设计能力」平台化，类比于台积电将「晶圆制造能力」平台化，推动Fabless进一步演进为「Designless + AI DesignHouse」。
• 商业模式：当前以NRE（一次性工程服务）模式运作，未来将走向产品化（标准化后端设计产品）。客户可获取设计图纸或直接获得可用芯片。
• 团队背景：创始人李林阳来自上海AI Lab，参与MOSS和InternThinker研发；两位联创分别拥有二十余年数字芯片和模拟/混合信号芯片设计经验。
• 技术路线：采用强化学习而非模仿学习，通过多Agent协同自主探索优化策略，解决芯片设计数据稀缺的瓶颈。
• 切入点：从后端设计（模拟后端版图、数字后端布局布线）开始，因为其约束明确、反馈可量化，是最易形成商业闭环的环节。
• 长期愿景：到五年后，AI在芯片设计全流程的参与度达到80%；最终实现芯片设计能力的平台化，使更多企业无需自建设计团队即可按需调用芯片设计能力。

意义与影响

Novasilicon 的出现标志着AI驱动芯片设计从实验室研究走向商业化落地，并且是国内第一家公开浮出水面的同类企业。其强化学习路径与国外主流模仿学习/大模型微调路线形成差异化，有望在数据壁垒极高的芯片设计领域探索出新的技术范式。如果其「AI版博通」模式成功，将可能重塑半导体产业链分工：原本只有大型企业才能承担的高成本、长周期芯片设计，可能变成可被中小企业按需调用的标准化服务，从而加速定制化芯片的普及，尤其是在边缘AI、机器人、消费电子等增量市场。同时，该项目获得五源资本数千万元独家投资，反映出资本对这一方向的集中押注，可能催生更多国内AI芯片设计初创公司的涌现。不过，全流程自动化仍面临极高门槛，从前端的逻辑设计到后端的物理实现，Novasilicon 能否逐步覆盖并保持交付质量，将是其能否兑现「平台化」愿景的关键。