一家成立刚满 4 个月的初创公司，凭什么拿下 40 亿美元的投后估值？
2026 年 1 月，由前 Google Brain 团队 AlphaChip 核心主创 Anna Goldie 与 Azalia Mirhoseini 创办的芯片设计公司 Ricursive Intelligence，宣布完成 3 亿美元 A 轮融资。领投方为 Lightspeed，NVIDIA 旗下战投 NVentures、红杉资本等机构悉数在列。算上早先的种子轮，其累计融资金额达 3.35 亿美元。
随后在旧金山 TechCrunch Disrupt 舞台上，创始人抛出了极具煽动性的预言：未来五年全球算力需求激增一万倍，而 Ricursive 要用模型将两年的芯片设计周期直接压到约 1 周。
市场给出的高估值，本质上是在用软件行业的逻辑押注硬件。但在半导体行业，把单点算法突破当成全流程交付，往往会低估物理世界的坚硬程度。
6 小时神话的裂痕：学术光环遭遇独立测试
要看清 Ricursive 的成色，必须先剥离附着在 AlphaChip 身上的光环。
Goldie 与 Mirhoseini 曾将成果发表于 2021 年的《Nature》。当时最震撼业界的结论，是强化学习能在 6 小时内完成人工团队耗时数周乃至数月的宏单元布局，并先后用于 Google TPU v5e 与 Trillium 等项目。
但在工业界与学术界深水区，AlphaChip 的光环早已产生裂痕。加州大学圣迭戈分校（UCSD）Andrew B. Kahng 团队在 2026 年 3 月更新的独立基准测试中，给出了极度反常的结果。
在标准基准测试 CT-Ariane 下，微调后的 AlphaChip 调动了 8 块 V100 GPU 与 576 个 CPU 线程，整整运行了 55.16 小时；而传统的模拟退火算法仅用 80 个 CPU 线程运行 11.13 小时，不仅线长指标更好，计算开销也更低。
更残酷的对照来自工业级工具：Cadence 的商业布图器仅耗费 16 个线程、运行约 1.2 分钟，就拿出了可用的布局方案。
虽然创始团队反驳称评测方缺少专有预训练数据导致模型欠拟合，但这场争论刺破了一个幻觉：所谓的算法突破，在相当程度上是依赖昂贵算力进行暴力搜索换来的，在通用工业基准面前，并没有展现出压倒性的工程效率。
概念偷换：宏单元摆放不等于全流程造芯
更大的落差在于设计流程的边界被严重模糊了。
宏单元布局只是芯片物理设计早期的特定切片。摆好几十个核心单元之后，后端的标准单元放置、时钟树综合、布线以及极其严苛的时序签核，依然依赖传统 EDA 工具链。
Ricursive 提出的无设计流程愿景，却试图将包含架构、验证到物理实现的全流程压缩至 1 周。
不可否认，两位创始人一直在补齐技术拼图：
- 在 DAC 2023 提出强化学习时钟与数据并发优化方案（RL-CCD）；
- 在 DAC 2025 发布可微统计静态时序分析工具 INSTA，在拥有 1500 万引脚的设计上实现低于 0.1 秒的分析速度；
- 在 ASP-DAC 2026 推出可微全局布局工具 C3PO，将布线后线长和翻转功耗分别降低最高 16.7% 和 19.6%。
但散落的论文拼图，拼不成工业级防线。把单点局部优化等同于整颗芯片交付，跳过了电气特性仿真、时序收敛与晶圆厂物理规则适配。
截至目前，Ricursive 尚未交付过任何一颗独立流片验证的实体芯片，也没有任何公开的付费客户。
零容错深渊与代工厂数据护城河
软件开发崇尚快速迭代，写错一行代码可以线上热修复；半导体制造却是冷酷的物理世界，先进制程一次掩模制作与试产动辄耗资数千万美元。
横亘在 Ricursive 面前的是三道不可逾越的物理屏障：
验证的状态空间极其庞大。芯片设计周期中超过一半的资源消耗在仿真验证上。大模型常见的不确定性，在硬件工程界是致命的风险。
物理指标存在强烈的代理偏差。优化几何线长并不等于解决红外压降、电迁移与局部发热。算法给出的版图只要在代工厂规则检查中亮起红灯，就无法投产。
代工厂工艺数据被绝对封锁。训练工业级模型需要高精度工艺设计套件（PDK）与流片实测数据，但代工厂受保密协议限制绝不可能向外部模型开源底层数据。拿不到先进制程的真实闭环数据，算法就只能在公开基准集的象牙塔里打转。
传统 EDA 双巨头 Synopsys 与 Cadence 正在筑牢防御工事。Synopsys 的 DSO.ai 在 2023 年就达成了超过 100 次商业流片，帮 SK 海力士缩减了 5% 的芯片面积；Cadence Cerebrus 则在意法半导体的 CPU 核心上实现了漏电降低 22%。
巨头的护城河不是某个单点算法，而是与台积电、三星数十年磨合建立的工艺认证体系。没有代工厂的金色标准背书，主流芯片厂商不会冒险使用黑盒工具。
《淮南子》有言：“规矩陈设，引绳而引，审度量，缪轻重。”芯片工业历来只认实测收敛与晶圆良率。NVIDIA 虽通过战投出资，但自己内部的设计管线依然高度依赖 Synopsys 和 Cadence。所谓的 AI 一周全自动造芯，眼下更像是资本在算力焦虑下买入的高溢价看涨期权。