Cloem

Cloem是一家开发基于人工智能的软件，用于半导体电子设计自动化（EDA）行业的技术公司。该公司的工具应用机器学习和深度学习技术，解决芯片物理设计中的复杂挑战，包括布局、布线和验证。Cloem的方法旨在缩短设计周期时间，并改善先进集成电路的性能、功耗和面积（PPA）指标。

Cloem成立于2010年代末，源于神经网络优化与VLSI设计交叉领域的研究。该公司已将自己定位在将生成式AI和大语言模型方法应用于硬件设计的更广泛趋势中，但其具体产品仍专注于经典EDA工作流程。Cloem尚未公开披露详细的财务信息或主要客户名称，但它已参与行业会议并与学术机构合作。

技术与方法

Cloem的核心技术利用残差网络架构和强化学习（通过RLHF风格反馈）来优化芯片布局。与传统基于规则的EDA工具不同，Cloem的模型从历史设计数据中学习，使用数据增强和课程学习来改善跨不同工艺节点的泛化能力。该公司声称其工具可以处理5nm及以下的设计，在这些设计中，手动优化变得越来越不切实际。

该软件与主要供应商的标准EDA流程集成，提供模型剪枝和梯度裁剪的插件模块，以确保训练期间的数值稳定性。Cloem还采用批归一化和层归一化技术来加速其深度网络的收敛。该公司的推理引擎使用top-p采样进行设计替代方案的概率探索，这是一种从基于Transformer的语言模型中借鉴的方法。

产品开发

Cloem已发布其旗舰物理设计优化器的多个版本。最初的产品于2020年推出，专注于标准单元布局。随后的2022年版本使用多头注意力机制添加了布线优化，能够同时考虑拥塞、时序和功耗。最新版本于2024年发布，在逻辑与布局表示之间引入了交叉注意力，实现了从RTL到GDSII的端到端优化。

该公司还开发了一个验证助手，使用序列到序列模型检测设计规则违规。该工具通过束搜索解码生成纠正建议，在内部基准测试中减少了约40%的人工审查工作量。Cloem的产品可作为本地软件提供，也可通过亚马逊云服务和Azure云部署使用。

市场地位与竞争

Cloem在竞争激烈的环境中运营，其中包括成熟的EDA巨头和新兴的AI原生初创公司。其主要差异化因素在于使用基于代工厂合作伙伴专有数据集训练的编码器-解码器架构。该公司已宣布与台积电和三星电子合作进行工艺特定模型校准，但这些协议是非排他性的。

与专注于AI硬件加速的竞争对手（如Groq和SambaNova）相比，Cloem瞄准设计软件层。该公司的工具经过优化，可在AMD和Intel CPU上运行，并可选择AWS Trainium加速大规模训练任务。Cloem尚未披露收入数据，但行业分析师估计其截至2024年的年度经常性收入低于1000万美元。

研究与出版物

Cloem的研究团队由前斯坦福AI实验室和伯克利AI研究成员领导，已在包括DAC和ICCAD在内的主要EDA会议上发表论文。值得注意的工作包括2023年一篇关于“基于注意力的全局布线”的论文，该论文在基准电路上展示了15%的线长减少。该公司还就基于网格的布局表示的位置编码方案申请了专利。

2024年，Cloem发布了一个包含10,000个带注释芯片布局的开源数据集，以促进AI驱动EDA研究的可复现性。该数据集已被MIT CSAIL和卡内基梅隆大学的学术团队用于基准测试新算法。该公司与多伦多大学保持着积极的研究合作，涉及Graphcore兼容的模型压缩技术。

未来方向

Cloem正在探索生成式AI在模拟电路综合中的应用，这是一个传统优化方法难以解决的领域。该公司还启动了一个项目，旨在使其模型适应量子计算硬件设计，利用D-Wave系统进行混合经典-量子优化。然而，这些努力仍处于早期研究阶段，截至2025年尚未产生商业产品。

该公司计划到2026年将员工人数从45人扩大到120人，重点关注软件工程和现场应用岗位。Cloem的领导层已表示有兴趣与谷歌云和甲骨文云建立潜在合作伙伴关系，提供托管服务产品，但尚未宣布正式协议。芯片设计中人工智能的更广泛行业趋势表明Cloem的技术具有持续相关性，但该公司在将其解决方案扩展到异构3D-IC架构方面面临挑战。

参见

• electronic-design-automation
• chip-design
• physical-design
• ai-for-hardware