Vinci4D haalt 250 miljoen dollar op voor AI-simulatie

Vinci4D Inc., het bedrijf uit Palo Alto, Californië, achter het simulatieplatform Vinci, heeft een Series B-ronde van 250 miljoen dollar afgerond tegen een waardering van 1,5 miljard dollar. Advent, Temasek en Xora leidden de ronde samen. Ook een aantal startupfondsen deed mee, waaronder AMD Ventures, de investeringstak van chipmaker AMD.

Het verhaal is eenvoudig. Hardwaresimulatie is traag en gespecialiseerd, en het opzetten ervan is duur. Veel engineeringteams gebruiken het daarom maar af en toe. Vinci wil er een standaardstap van maken die bij elke ontwerpwijziging draait.

Waarom simulatie een knelpunt is

Hardware-engineers gebruiken simulaties om problemen op te sporen voordat er iets wordt gebouwd. Een autodesigner kan bijvoorbeeld mist nabootsen om te zien hoe slecht weer de sensoren van een voertuig beïnvloedt. De waarde is duidelijk. De kosten zitten in de voorbereiding.

Het opzetten van een simulatie vergde traditioneel zeldzame expertise en veel tijd. Daardoor vallen teams in een onregelmatig ritme: een tijd ontwerpen, dan testen. Volgens Vinci maakt juist dat gat het verschil. Als engineers de simulatieresultaten een dag na een wijziging in de bouwtekening zien in plaats van twee weken later, vinden ze problemen eerder en wordt de hele ontwikkelcyclus korter.

Het platform van het bedrijf is gebouwd om na elke grote wijziging in een productontwerp simulaties te draaien.

Eerst de chips

Vinci richt zich in eerste instantie op halfgeleiders. Het platform helpt engineers het thermische gedrag te modelleren van processoren, geheugenmodules en interconnects, de verbindingen die data tussen componenten verplaatsen. Een chipteam kan er bijvoorbeeld mee nagaan of een grafische kaart waarschijnlijk oververhit raakt als die dicht bij zijn maximale frequentie draait.

Met die focus begeeft Vinci zich in een druk segment van de markt. Chipontwerp trekt nu al AI-gereedschap van veel grotere spelers aan, zoals blijkt uit initiatieven als de samenwerking tussen OpenAI en Synopsys op het gebied van AI voor chipontwerp.

Hoe het platform werkt

De kern van Vinci is een AI-model dat zich op natuurkunde richt. Ontwikkelaars uploaden een CAD-tekening van een chip, voegen wat bijbehorende gegevens toe en het systeem zet die invoer automatisch om in een simulatie.

Twee onderdelen van de werkwijze springen eruit:

• Meshing. Dit is een van de meest tijdrovende stappen in elk simulatieproject. Daarbij wordt een bouwtekening opgedeeld in een groot aantal kleine driedimensionale vormen, omdat veel kleine vormen veel sneller te verwerken zijn dan één doorlopend oppervlak. Vinci doet de meshing zonder handwerk.
• Convergentie. In deze fase worden de simulatieberekeningen afgerond. Vinci gebruikt eigen kernels voor grafische kaarten, de softwaremodules op laag niveau waaruit AI-modellen zijn opgebouwd, om dit te versnellen.

Het bedrijf meet prestaties in vrijheidsgraden, ook wel DOF's (degrees of freedom). Elke DOF is een datapunt dat een specifieke fysieke waarneming beschrijft, zoals hoe goed een enkele transistor warmte geleidt. Volgens Vinci kan het platform simulaties met honderden miljoenen DOF's binnen een paar minuten afronden. Werklasten van die omvang duren volgens het bedrijf doorgaans enkele uren of dagen.

Verder dan silicium

Chips zijn slechts de openingszet. Vinci wil zijn simulatiemogelijkheden uitbreiden naar voertuigen, vliegtuigen en satellieten.

Medeoprichter en topman Hardik Kabaria beschreef de plannen in fasen. "Vinci begint met engineers de mogelijkheid te geven om fysiek gedrag te begrijpen terwijl ze nog aan het ontwerpen zijn", zei hij. "Van daaruit bouwen we aan systemen die kunnen aangeven wat er moet veranderen, die steeds complexere engineeringdomeinen samenbrengen en die engineers uiteindelijk helpen te creëren wat ze eerder niet konden creëren."

Met andere woorden: het huidige product laat engineers zien wat er gaat gebeuren. Het doel op langere termijn is een systeem dat ook voorstelt wat er moet veranderen.

Het grotere geheel

Deze ronde wijst erop dat investeerders AI met kennis van natuurkunde zien als een serieuze categorie, en niet als bijproduct van de hype rond taalmodellen. Een waardering van 1,5 miljard dollar voor een Series B-bedrijf dat zich op thermische simulatie richt, is een duidelijk signaal dat engineeringprocessen nu een doelwit zijn voor AI-investeringen.

Het belang van AMD Ventures is het vermelden waard. AMD zet al langer in op AI die de fysieke wereld modelleert, onder meer met de overname van World Labs. Ook het onderzoek beweegt die kant op, met projecten als JEPA-Anything, dat mikt op één model voor natuurkunde en andere domeinen.

Toch komen de belangrijkste claims hier van Vinci zelf. Het is de moeite waard om te volgen of onafhankelijke gebruikers de snelheidscijfers in echte projecten bevestigen. De grotere test is de uitbreiding naar voertuigen, vliegtuigen en satellieten. Thermisch gedrag van chips is een goed afgebakend probleem. Die domeinen zijn rommeliger, en die stap zal uitwijzen of de aanpak van Vinci breder toepasbaar is of een specialistisch hulpmiddel blijft.