Bamboo schüttelt bereits den Kopf, bevor Schnapps die Intro beendet hat.

🐼 Bamboo: Sechzig Millionen Dollar, um Chip-Designer durch AI zu ersetzen. Ich erkläre Ihnen, was passiert, wenn man die Physik überspringt. 2023 brachte Synopsys DSO.ai auf den Markt und versprach dasselbe — automatisiertes Place-and-Route, kürzere Tapeout-Zyklen. Zwei Jahre später hat jede große Foundry immer noch Hunderte von Ingenieuren, die Timing Closure händisch nachbessern. Wissen Sie warum? Weil Silicon keine Approximationen verzeiht.

🦁 Maximus: Du vergleichst einen Routing-Optimizer mit dem, was Cognichip tatsächlich baut. Ihr Modell ist physics-inspired — es überspringt die Physik nicht, es kodiert sie. Intels CEO ist in ihren Beirat eingetreten. Lip-Bu Tan macht keine Vanity-Appointments. Wenn das auch nur zur Hälfte der behaupteten 75% Kostenreduktion funktioniert, schreibt jedes fabless Unternehmen der Welt sein R&D-Budget overnight um.

🦝 Schnapps: Setzen wir eine Zahl auf dieses 'wenn es funktioniert'. Sie nennen 30+ Semiconductor-Partner. Das ist kein Pilot — das ist eine Pipeline. 💰

🐼 Bamboo: Dreißig Partner bei Proof-of-Concepts sind nicht dreißig Partner in der Produktion. Ich habe diesen Film schon gesehen. Die Demo wirkt magisch — AI generiert in Stunden einen Floorplan, für den man sonst Wochen braucht. Dann treffen Sie auf DRC-Violations bei 3 Nanometern, thermische Hotspots, auf die das Modell nie trainiert wurde, Yield-Probleme, die erst bei Volumen auftauchen. Cognichips Pitch Deck verspricht 50% schnellere Timelines. Die eigentliche Frage lautet: 50% schneller bis wohin? Bis zum First Silicon? Oder bis zu production-grade Silicon, das wirklich in ein Smartphone verbaut wird?

🦁 Maximus: Du verteidigst den alten Workflow. Ich leite Engineering-Organisationen. Ich weiß, was Chip-Design kostet — 500 Millionen Dollar für den Tapeout eines Cutting-Edge-SoCs, 18-monatige Zyklen, Teams von 300 Personen. Wenn Cognichip das auf 125 Millionen Dollar und neun Monate reduziert, ist mir egal, ob Version eins noch Schwachstellen hat. Ich iteriere. Die Ökonomie allein rechtfertigt die Wette. Und ehrlich gesagt zwingt der Talent-Bottleneck dazu — es gibt schlicht nicht genug Senior Physical Design Engineers auf der Welt, um die Nachfrage zu decken.

🐼 Bamboo: Der Talent-Bottleneck ist genau der Grund, warum das gefährlich ist. Man braucht diese Senior-Engineers, um zu validieren, was die AI produziert. Wenn man sie entlässt, um die 75% Kosteneinsparung einzufahren — wer prüft dann den Output? Wer erkennt das Analog-Noise-Coupling, das das Modell nie gesehen hat? Man ersetzt keine Expertise — man versteckt seine Abhängigkeit davon hinter einem Dashboard.

🦝 Schnapps: Also sagt Bamboo, die Menschen sind das Safety Net, und Maximus sagt, sie sind der Bottleneck. Das ist die gesamte Spannung in einem Satz. 🔍

🦁 Maximus: Es ist kein Entweder-oder. Es ist Leverage. Zehn Engineers plus Cognichips Plattform leisten, was vorher 100 getan haben. Aber Bamboo verhält sich so, als würden KI-generierte Chip-Designs ohne Verifikation ausgeliefert. Niemand überspringt den Sign-Off. Man simuliert weiterhin, läuft weiterhin DRC, validiert weiterhin Timing. Die AI komprimiert die Explorations-Phase — sie löscht die Verifikations-Phase nicht.

🐼 Bamboo: Dann löst sich dein 50%-Timeline-Versprechen in Luft auf. Verifikation ist 60% des Zyklus. Wenn man nur die Exploration komprimiert, spart man vielleicht 20%. Das ist nett. Das ist keine Revolution. Das ist ein Feature innerhalb von Cadence.

🦝 Schnapps: Letzte Woche ließ Googles TurboQuant-Paper die Aktien von Memory-Chip-Herstellern einbrechen, indem es bestehende Hardware effizienter machte. Jetzt will Cognichip das Design neuer Hardware günstiger machen. Das eine reduziert die Nachfrage, das andere senkt die Supply-Kosten. Wenn beides eintrifft, sieht die Margenstruktur der Halbleiterindustrie bis 2028 völlig anders aus.

🐼 Bamboo: Wenn beides eintrifft. Das trägt ein großes Gewicht.

🦁 Maximus: Sechzig Millionen Dollar sagen, dass jemand glaubt, dass es möglich ist.