泛函数总部位于上海徐汇西岸智塔，以 AI 为第一性原理构建芯片设计平台。该公司自今年 3 月成立以来，在短短 7 个月内已经完成多轮融资。公司平台接收自然语言形式的设计需求，依托多智能体协同，完成芯片架构规划、RTL 逻辑代码生成、功能验证优化、物理版图布局、流片方案输出，最终输出可用于流片的 GDS 文件，覆盖芯片设计完整链路。
创始人兼首席执行官周婧怡本科毕业于清华大学电子工程系，硕士毕业于卡耐基梅隆大学计算机系，长期深耕人工智能、芯片设计、EDA 与 GPU 加速方向的研究，今年归国创业。联合创始人兼首席技术官周菁本硕毕业于清华大学电子工程系，深耕人工智能与芯片设计。核心团队集结全球头部芯片设计企业、海内外高校与科研院所人才，青年骨干曾斩获 ACM/IEEE MLCAD 2026 国际算法竞赛总冠军。原清华大学微电子所教授、IEEE Fellow 王志华出任公司顾问，其在集成电路设计、芯片设计方法学等领域有深厚积累。
随着芯片工艺不断演进，器件尺寸接近物理极限，时序、功耗、面积与可测性、可制造性约束加速耦合，芯片的设计复杂度快速攀升，行业工程师人力供给难以匹配研发需求。与此同时，大模型与智能体第一次让机器能够自主承担 " 有明确目标、有反馈信号、需要多步规划 " 的复杂工程任务。
在周婧怡看来，芯片设计恰好是世界上最典型的、有客观裁判的复杂工程问题之一，代码能不能编译、仿真能不能过、时序能不能签核，都是确定性的反馈。国内智能化工具更集中在前端 RTL 验证环节，在 RTL 自动生成、复杂 RTL 验证、后端物理实现等高壁垒环节，成熟的国产智能化方案仍然稀缺。海外赛道同样火热，Recursive、ChipAgents、Phinity、Vinci 等 AI 芯片设计初创企业相继获得大额融资，行业进入高速竞争期。
周婧怡表示，泛函数自研的面向芯片设计的垂类大模型现已形成商用。该模型配合泛函数的自研智能体所形成的平台目前已经可以覆盖芯片设计全流程，技术上大幅减少工程师介入。从客户实际项目反馈来看，在质量上，平台输出的设计优于行业普通工程师水平，经过自迭代后，PPA 可以达到顶尖工程师的设计水准；在效率上，设计周期可缩短至原来的 1/3 以内。这意味着过去工程师一周的工作量，用泛函数的工具有望在一两天内完成。
目前，泛函数主要服务芯片设计企业和芯片设计服务商，采用订阅制和项目制两种商业模式。目前公司已协助客户完成商业化流片，芯片已回片并获一次性点亮，同时良率和可测性也在客户认可的范围内，该芯片已进入量产。
产品矩阵上，泛函数同步布局数字和模拟平台，现阶段优先发展数字芯片赛道。主因是目前客户在数字领域的需求更大。为客观衡量 AI 在芯片设计中的真实能力，泛函数提出并搭建 " 泛函数指数 " 基准评测体系。这套体系融合了数十个指标，从收敛成功率、一次通过率、迭代轮次、耗时算力成本、PPA 优化效果等维度，量化大模型在真实芯片设计任务里的表现。这套体系既是公司模型迭代训练的内部标尺，泛函数也希望未来它能够成为行业评估 AI 芯片设计能力的公共参考基准。
谈及本轮资金使用逻辑，周婧怡认为，通用大模型单纯堆叠参数的增长已经遇到瓶颈，但在工程垂直领域，模型能力的提升来自 " 数据 + 反馈闭环 "，把芯片设计过程中的编译、仿真、综合、形式验证结果变成奖励信号，模型就有了一条持续进步的路径。" 对我们这类 AI Native 的公司来说，资金投入不是‘换规模’，而是直接兑换模型能力的确定性提升。" 她说。
