Cloem é uma empresa de tecnologia que desenvolve softwares baseados em inteligência artificial para a indústria de automação de projeto eletrônico (EDA) de semicondutores. As ferramentas da empresa aplicam técnicas de aprendizado de máquina e aprendizado profundo para enfrentar desafios complexos no projeto físico de chips, incluindo posicionamento, roteamento e verificação. A abordagem da Cloem visa reduzir os tempos de ciclo de projeto e melhorar as métricas de desempenho, potência e área (PPA) para circuitos integrados avançados.
Fundada no final da década de 2010, a Cloem surgiu de pesquisas na interseção entre otimização de redes neurais e projeto VLSI. A empresa se posicionou dentro da tendência mais ampla de aplicar metodologias de IA generativa e modelos de linguagem de grande escala ao projeto de hardware, embora suas ofertas específicas de produtos permaneçam focadas em fluxos de trabalho clássicos de EDA. A Cloem não divulgou publicamente detalhes financeiros extensos ou nomes de grandes clientes, mas participou de conferências do setor e colaborou com instituições acadêmicas.
Tecnologia e Abordagem
A tecnologia central da Cloem utiliza arquiteturas de redes residuais e aprendizado por reforço (via feedback no estilo RLHF) para otimizar o layout de chips. Ao contrário das ferramentas EDA tradicionais baseadas em regras, os modelos da Cloem aprendem com dados históricos de projeto, usando aumento de dados e aprendizado curricular para melhorar a generalização em diferentes nós de processo. A empresa afirma que suas ferramentas podem lidar com projetos em 5nm e abaixo, onde a otimização manual se torna cada vez mais impraticável.
O software integra-se a fluxos EDA padrão de grandes fornecedores, fornecendo módulos plug-in para poda de modelos e clipping de gradientes para garantir estabilidade numérica durante o treinamento. A Cloem também emprega técnicas de normalização em lote e normalização de camadas para acelerar a convergência em suas redes profundas. O mecanismo de inferência da empresa usa amostragem top-p para exploração probabilística de alternativas de projeto, um método emprestado de modelos de linguagem baseados em transformadores.
Desenvolvimento de Produtos
A Cloem lançou várias versões de seu otimizador de projeto físico principal. O produto inicial, introduzido em 2020, focava no posicionamento de células padrão. Uma versão subsequente de 2022 adicionou otimização de roteamento usando mecanismos de atenção multicabeça, permitindo consideração simultânea de congestionamento, tempo e potência. A versão mais recente, anunciada em 2024, incorpora atenção cruzada entre representações lógicas e de layout, permitindo otimização de ponta a ponta de RTL a GDSII.
A empresa também desenvolveu um assistente de verificação que usa modelos de sequência a sequência para detectar violações de regras de projeto. Esta ferramenta gera sugestões corretivas por meio de decodificação busca em feixe, reduzindo o esforço de revisão manual em cerca de 40% em benchmarks internos. Os produtos da Cloem estão disponíveis como software local ou por meio de implantações em nuvem Amazon Web Services e Azure.
Posição de Mercado e Concorrência
A Cloem opera em um cenário competitivo que inclui gigantes estabelecidas de EDA e novas startups nativas em IA. Seu principal diferencial é o uso de arquiteturas codificador-decodificador treinadas em conjuntos de dados proprietários de parcerias com foundries. A empresa anunciou colaborações com TSMC e Samsung Electronics para calibração de modelos específicos de processo, embora esses acordos sejam não exclusivos.
Em comparação com concorrentes como Groq e SambaNova, que se concentram em aceleração de hardware de IA, a Cloem visa a camada de software de projeto. As ferramentas da empresa são otimizadas para rodar em CPUs AMD e Intel, com aceleração opcional AWS Trainium para trabalhos de treinamento em grande escala. A Cloem não divulgou números de receita, mas analistas do setor estimam sua receita recorrente anual em menos de US$ 10 milhões em 2024.
Pesquisa e Publicações
A equipe de pesquisa da Cloem, liderada por ex-membros do Stanford AI Lab e do Berkeley AI Research, publicou artigos em grandes conferências de EDA, incluindo DAC e ICCAD. Um trabalho notável inclui um artigo de 2023 sobre "Roteamento Global Baseado em Atenção" que demonstrou uma redução de 15% no comprimento de fios em circuitos de benchmark. A empresa também registrou patentes sobre esquemas de codificação posicional para representações de layout baseadas em grade.
Em 2024, a Cloem lançou um conjunto de dados de código aberto com 10.000 layouts de chips anotados para promover a reprodutibilidade na pesquisa de EDA orientada por IA. Este conjunto de dados foi usado por grupos acadêmicos no MIT CSAIL e na Carnegie Mellon University para avaliar novos algoritmos. A empresa mantém uma colaboração de pesquisa ativa com a Universidade de Toronto sobre técnicas de compressão de modelos compatíveis com Graphcore.
Direções Futuras
A Cloem está explorando aplicações de IA generativa para síntese de circuitos analógicos, um domínio onde os métodos tradicionais de otimização enfrentam dificuldades. A empresa também iniciou um projeto para adaptar seus modelos para o projeto de hardware de computação quântica, aproveitando sistemas D-Wave para otimização híbrida clássico-quântica. No entanto, esses esforços estão em estágios iniciais de pesquisa e não produziram produtos comerciais até 2025.
A empresa planeja expandir sua força de trabalho de 45 para 120 funcionários até 2026, com foco em engenharia de software e funções de aplicação de campo. A liderança da Cloem indicou interesse em possíveis parcerias com Google Cloud e Oracle Cloud para ofertas de serviços gerenciados, embora nenhum acordo formal tenha sido anunciado. A tendência mais ampla do setor em direção à inteligência artificial no projeto de chips sugere relevância contínua para a tecnologia da Cloem, mas a empresa enfrenta desafios para escalar suas soluções para arquiteturas 3D-IC heterogêneas.
Ver Também
- electronic-design-automation
- chip-design
- physical-design
- ai-for-hardware