Phân tích sâu Normal Computing: EDA AI và chip nhiệt động lực học CN101 của nhóm cựu Google, 85 triệu USD và Samsung Catalyst

Tóm tắt trong 30 giây

• Normal Computing không triệt tiêu nhiễu, mà dùng nhiễu để tính toán. Một chip thông thường tốn năng lượng để triệt tiêu dao động và nhiễu nhiệt của transistor nhằm giữ các số 0 và 1 mang tính xác định. Kiến trúc Carnot của công ty làm ngược lại: để động lực học của một hệ vật lý khi nó thư giãn về trạng thái cân bằng thực hiện phép tính xác suất, và câu trả lời được lấy bằng cách lấy mẫu từ một phân phối. Công ty gọi đó là ASIC dựa trên vật lý.
• Động cơ doanh thu là EDA, không phải chip. Normal EDA là nền tảng thiết kế chip gốc AI có cốt lõi là auto-formalization: kết hợp mô hình ngôn ngữ với logic hình thức để biến đặc tả thành mô hình hình thức và tự động hoá thiết kế cùng kiểm chứng. Theo công ty, hơn một nửa trong mười công ty bán dẫn lớn nhất theo doanh thu là đối tác, và mục tiêu gần nhất là đưa silic tùy chỉnh ra thị trường nhanh gấp đôi.
• Minh chứng bằng silic là thật, nhưng quy mô nhỏ. CN101, tape-out vào tháng 7 năm 2025, là chip kiểm thử CMOS số mà công ty gọi là «chip điện toán nhiệt động lực học đầu tiên trên thế giới». Kết quả công ty công bố tại Hot Chips 2026 là tạo chữ số viết tay MNIST trên một chip và tạo ảnh CIFAR-10 bằng sáu chip. Chính công ty cũng mô tả đó là «kết quả quy mô nhỏ».
• Con số 1.000x là lộ trình, không phải phép đo. Hiệu quả năng lượng tới 1.000x mà công ty nhắc tới là mục tiêu cho các workload đích: chưa được bên thứ ba kiểm chứng và chưa được đo trên sản phẩm thương mại. CN201 (2026) và CN301 (cuối 2027-đầu 2028) là những chip phải chứng minh điều đó.
• Quỹ chiến lược của Samsung dẫn dắt vòng này. Tháng 3 năm 2026, Samsung Catalyst Fund dẫn dắt vòng 50 triệu USD, nâng tổng số vốn huy động lên hơn 85 triệu USD, và công ty chính thức công bố kế hoạch mở rộng tại Hàn Quốc.

Hồ sơ công ty

Lịch sử: từ AI xác suất tới bán dẫn

Normal Computing ra đời năm 2022 tại New York. Các nhà sáng lập Faris Sbahi, Matthias Tan và Antonio Martinez là những kỹ sư từng xây dựng hệ thống AI quy mô lớn tại Google Brain, Google X và Palantir. Lá cờ đầu tiên công ty giương lên đầu năm 2023 không phải bán dẫn mà là «AI xác suất»: kiểm soát ảo giác của AI tạo sinh bằng mô hình xác suất. Vòng hạt giống 8,5 triệu USD đóng vào tháng 1 năm 2023 (đồng dẫn dắt bởi Celesta Capital và First Spark Ventures, với Micron Ventures tham gia) cũng được kể theo hướng đó.

Nhưng cùng lúc, công ty đã gieo hạt giống thứ hai. Bài báo đầu năm 2023 «Thermodynamic AI and the Fluctuation Frontier» nhóm các mô hình khuếch tán, mạng nơ-ron Bayes, phương pháp Monte Carlo và thuật toán luyện kim mô phỏng vào cùng một lớp điện toán xác suất, và đề xuất một phần cứng xác suất có thể tăng tốc toàn bộ lớp đó. Sau đó, trọng tâm của công ty chuyển nhanh sang bán dẫn. Lý do rất thực tế: thiết kế chip là ngành cần điện toán xác suất nhất và trả giá đắt nhất cho sai lầm; một lần re-spin tốn hàng chục triệu USD.

Logic của bước chuyển là thế này. Thiết kế chip về bản chất là ra quyết định trong bất định: đặc tả không đầy đủ, kiểm chứng không bao giờ kết thúc, và tỉ lệ thành công của silic đầu tiên thấp. Đưa AI vào quy trình đó đòi hỏi đầu ra của AI phải chứng minh được đúng hay sai; không thể giao silic sản xuất cho một trợ lý không thể kiểm chứng. Vì vậy đáp án công ty chọn là gắn AI với phương pháp hình thức, tức auto-formalization. Và thay vì chỉ giúp chip của người khác bằng công cụ của mình, công ty trực tiếp thiết kế đúng loại chip mà EDA truyền thống khó xử lý nhất, tức chip nhiệt động lực học của chính mình, và biến nó thành bằng chứng sống cho công cụ.

Giải phẫu Normal EDA: auto-formalization là gì

Auto-formalization, khái niệm cốt lõi của Normal EDA, là thuật ngữ ở biên giới nghiên cứu AI: ban đầu chỉ việc tự động dịch các định lý toán học từ ngôn ngữ tự nhiên sang ngôn ngữ hình thức. Công ty đưa nó vào thiết kế bán dẫn: một LLM đọc đặc tả ở nhiều định dạng khác nhau, từ tài liệu kiến trúc đến mô tả vi kiến trúc, bảng chân trị và biểu đồ thời gian, rồi chuyển ý định của chúng thành một mô hình logic hình thức. Khi thiết kế trở thành mô hình hình thức, câu hỏi thay đổi: thiết kế có thỏa mãn đặc tả hay không không còn là chuyện «trông có vẻ hợp lý», mà là chuyện có thể chứng minh.

Tổng hợp các giải thích của công ty, nền tảng vận hành qua bốn bước. Một, nó học toàn bộ đặc tả và tài sản kiểm chứng của đội và xây dựng một biểu diễn nội bộ về ý định cùng mục tiêu. Hai, nó diễn giải các đầu vào phi văn bản theo cách đa phương thức, như biểu đồ thời gian và ảnh dạng sóng, rồi tự động suy ra kích thích và kiểm tra. Ba, nó tạo và tối ưu thiết kế trên mô hình hình thức trong khi chứng minh tính đúng đắn, và tiếp tục học. Bốn, với các khoảng trống và điểm mơ hồ trong đặc tả, nó suy luận hành vi có khả năng xảy ra, đề xuất kiểm thử, và một kỹ sư phê duyệt hoặc chỉnh sửa: human-in-the-loop. Phạm vi thương mại hiện tại là tự động hoá DV (kiểm chứng thiết kế) và RTL, và công ty nói về việc mở rộng sang thiết kế đầu-cuối và quy trình cho silic phi truyền thống.

Điểm va chạm với EDA hiện hữu rất rõ. EDA dạng agentic của Synopsys và Cadence cũng đưa các tác nhân LLM vào quy trình thiết kế, nhưng điểm khởi đầu của họ là tự động hoá chồng lên chuỗi công cụ tích lũy hàng thập kỷ. Tuyên bố của công ty này là thứ tự của họ ngược lại: đặt mô hình hình thức có thể chứng minh ở trung tâm, với AI làm việc xung quanh. Và phù hợp với một công ty lấy kiểm chứng làm cốt lõi, công ty là thành viên sáng lập của liên minh đo chuẩn LLM thuộc Si2 (Silicon Integration Initiative), tham gia xây dựng tiêu chuẩn đánh giá cho EDA dùng AI.

Giới hạn cũng cần nói thẳng. Tên các đối tác chưa được tiết lộ, và con số «hơn một nửa top-10» là của chính công ty. Giữa mục tiêu rút ngắn chu kỳ thiết kế từ nhiều năm xuống vài tháng và phát biểu hiện tại của CEO, «nhanh gấp đôi hôm nay», vẫn còn một khoảng. Tuy vậy, việc PitchBook xếp công ty vào nhóm đã tạo doanh thu, và Samsung Catalyst dẫn dắt sau thẩm định của riêng mình, có thể đọc như một tín hiệu gián tiếp rằng nền tảng đã vượt qua ít nhất giai đoạn thử nghiệm miễn phí.

Nguyên lý điện toán nhiệt động lực học: ba hoá đơn của tính xác định

Muốn hiểu chương trình Carnot, hãy bắt đầu từ cái giá mà xác suất bắt một chip thông thường phải trả. Khung mà công ty và đội sáng lập lặp lại trong các ấn phẩm là «tính xác định bị tính tiền ba lần».

Lần thứ nhất, chi phí triệt tiêu. Transistor vốn dĩ dao động. Một mạch số giữ các số 0 và 1 ổn định bằng cái giá của biên nhiễu và triệt tiêu lỗi, và cái giá đó là năng lượng. Lần thứ hai, chi phí tạo ra. Các thuật toán xác suất như mô hình khuếch tán cần một số hạng nhiễu; một cỗ máy xác định mô phỏng sự ngẫu nhiên đó theo cách đắt nhất: tạo số ngẫu nhiên bằng phần mềm. Lần thứ ba, chi phí đồng bộ. Đồng bộ lockstep, vốn không cần cho ngữ nghĩa xác suất, tiêu tốn năng lượng và độ trễ.

Điện toán nhiệt động lực học từ chối cả ba hoá đơn. Thay vì triệt tiêu dao động, tiêu tán và tính ngẫu nhiên của hệ vật lý, nó dùng chúng: quá trình hệ thư giãn về phân phối cân bằng của nó dọc theo một địa hình năng lượng chính là phép tính. Với những bài toán mà câu trả lời là việc lấy mẫu, ở đó rút mẫu từ một phân phối xác suất là chính công việc, cách tiếp cận này rẻ về nguyên tắc. Việc phương trình chi phối của khuếch tán kết thúc bằng một số hạng nhiễu trắng mang tính biểu tượng: nhiễu mà thuật toán cần có thể đến từ chính nhiễu mà phần cứng vốn có.

Vị trí cũng cần nói chính xác. Chip này không phải sản phẩm thay thế GPU. Điện toán xác định chính xác, như kế toán hay hệ điều hành, vẫn là địa hạt của phần cứng số. Điều Carnot nhắm tới là ghế tăng tốc dị thể cho các workload mang bản chất xác suất: lấy mẫu, đại số tuyến tính, suy luận Bayes và suy luận mô hình tạo sinh. Đó là chiếc ghế kề bên ghế mà điện toán lượng tử nhắm tới, khác ở chỗ nó được chế tạo bằng CMOS tiêu chuẩn ở nhiệt độ phòng.

CN101: minh chứng bằng silic và giới hạn của nó

Trước CN101, công ty công bố năm 2025 trên Nature Communications chiếc máy tính nhiệt động lực học thực nghiệm đầu tiên của mình: một SPU (Stochastic Processing Unit) gồm tám ô tương tự ghép nối trên một bo mạch in, nguyên mẫu chứng minh nguyên lý AI nhiệt động lực học bằng phần cứng. CN101 là bản triển khai đầu tiên đưa nó vào chip CMOS số. Theo công ty, chip có thể sản xuất bằng quy trình tiêu chuẩn và các tile của nó hoạt động không đồng bộ với xung nhịp cục bộ.

Thông số đã công bố của CN101 khá khiêm tốn: bốn tile tính toán, 64 biến trạng thái mỗi tile, bài toán 256 chiều, biến trạng thái 32 bit và một NoC có thể cấu hình lại giữa các tile. Công ty tuyên bố thẳng đây là chip kiểm thử, với I/O tốc độ thấp: mục đích không phải hiệu năng thương mại mà là kiểm chứng điện toán nhiệt động lực học có thể mở rộng có thực sự hoạt động trên silic hay không. Chip nhắm hai phép toán: đại số tuyến tính và phép toán ma trận, cùng lấy mẫu xác suất bằng kỹ thuật rời rạc hoá riêng của công ty, LRW (Lattice Random Walk). LRW được thiết kế để cho cùng bảo đảm hội tụ như Euler-Maruyama, phép rời rạc hoá tiêu chuẩn của phương trình vi phân ngẫu nhiên, và công ty cho biết bài báo liên quan đã được npj Unconventional Computing chấp nhận.

Kết quả công ty trình bày tại Hot Chips 2026 như sau: một VAE có điều kiện (bộ mã hoá tự động biến phân) tạo chữ số viết tay MNIST trên một chip CN101; một mô hình flow-matching dạng chập, với sáu chip chạy như một hệ thống duy nhất, tạo ảnh CIFAR-10 khớp với một bản cài đặt tham chiếu dấu phẩy động ở mức khoảng 0,06 RMSE mỗi điểm ảnh. Trong phép tạo sâu 100 lớp (một mạng 10 lớp nhân 10 bước tích phân), cách thực thi đồng thời, thư giãn mọi lớp cùng lúc, đạt cùng chất lượng với số chu kỳ ít hơn 62 lần so với thực thi tuần tự (theo công ty). Phiên bản học thuật còn gồm kết quả tính toán khoa học như ước lượng năng lượng tự do của alanine dipeptide.

Quy mô cần được đọc một cách trung thực. MNIST và CIFAR-10 là các benchmark sách giáo khoa, không phải workload thực tế của năm 2026. Chính công ty gọi đó là «kết quả quy mô nhỏ» và vạch ra ranh giới: thứ đã được kiểm chứng là các yếu tố của nguyên lý, rằng các chuyển đổi trạng thái ngẫu nhiên vận hành được trong CMOS số và có thể lắp ghép thành một mô hình tạo sinh hoạt động được. Con số 62 lần là số chu kỳ trong một phép so sánh giữa các chế độ thực thi cụ thể, không phải năng lượng. Và tuyên bố hiệu quả năng lượng 1.000x không được đo trên chip này.

Lộ trình: CN201 và CN301 phải chứng minh điều gì

Cấu trúc lộ trình rất rõ. Nếu CN101 là chip đặt câu hỏi «nó có chạy được không?», CN201 là chip hỏi «nó có hữu dụng không?» và CN301 là chip hỏi «nó có thay đổi cuộc chơi không?». Dưới góc nhìn đầu tư, điểm uốn là CN201. Nếu ưu thế công suất trong khuếch tán độ phân giải cao xuất hiện dưới dạng bên thứ ba có thể kiểm chứng, điện toán nhiệt động lực học sẽ chuyển từ chủ đề bài báo thành chủ đề mua sắm; nếu không, chương trình này vẫn là một dự án nghiên cứu dài hơi.

Tài chính và gọi vốn: Samsung Catalyst dẫn dắt nghĩa là gì

Trong bảng cơ cấu vốn này, thứ cần đọc là thành phần, không phải con số. Samsung Catalyst Fund là quỹ phụ trách đầu tư chiến lược của tập đoàn Samsung. Người đứng đầu quỹ, Dede Goldschmidt, nhắc trong thông cáo đầu tư tới tiềm năng nền tảng của Normal trong việc mang lại thời gian ra thị trường nhanh hơn cho những khách hàng thiết kế chip khắt khe nhất. Khi người dẫn dắt không phải một quỹ tài chính mà là một khách hàng tiềm năng và chủ của hệ sinh thái, cách đọc hợp lý là nền tảng EDA đã được đánh giá như một sản phẩm thật trong quá trình thẩm định nội bộ của Samsung. Việc Micron Ventures đồng hành từ vòng hạt giống tới Series B cũng theo cùng hướng: hai công ty bộ nhớ có mặt trong danh sách cổ đông từ sớm.

Sự hỗ trợ của ARIA thuộc chính phủ Anh qua Scaling Compute Programme cũng rất khác thường. Một công ty Mỹ nhận tài trợ từ chương trình nghiên cứu rủi ro cao của Anh, và giám đốc chương trình công khai nói rằng «đưa ra silic CN101 chạy được là một kết quả hiếm có ngoại lệ đối với một công trình tham vọng đến thế», cũng là một dạng thẩm định kỹ thuật đáng đọc.

Định giá không được công bố. Xét quy mô và giai đoạn của các vòng gọi vốn, Normal vẫn đang ở giai đoạn «chứng minh doanh thu nền tảng», và chương trình phần cứng được tài trợ bằng chính thời gian mà động cơ doanh thu đó mua được.

Bản đồ cạnh tranh

Cạnh tranh có hai tầng. Ở tầng EDA, «AI giúp thiết kế chip» đã là hướng đi chuẩn của ngành; cuộc đua chuyển sang ai giành được niềm tin của silic sản xuất trước. Ở tầng phần cứng, có một đối thủ cùng mô hình là Extropic, và phía sau là nghiên cứu điện toán tương tự và xác suất của các tổ chức lớn như IBM. Điểm riêng của Normal là nắm cả hai tầng trong một công ty và dùng chúng làm bằng chứng cho nhau.

Góc nhìn Hàn Quốc và góc nhìn MBA

Từ Hàn Quốc, công ty này đáng chú ý vì ba lý do. Thứ nhất, người dẫn dắt đầu tư là quỹ chiến lược của Samsung, và công ty chính thức công bố sẽ mở rộng tại Hàn Quốc. Vai trò của một văn phòng Hàn Quốc có thể đoán trước, và người đọc nên xem đoạn này là suy luận từ thông cáo của công ty chứ không phải sự kiện đã công bố: hợp tác với Samsung Foundry, System LSI và bộ phận bộ nhớ, những khách hàng thiết kế và sản xuất lớn nhất thế giới, cùng tuyển dụng nhân tài thiết kế và kiểm chứng của Hàn Quốc. Thứ hai, cấu trúc khách hàng của Normal EDA. Nếu tuyên bố «hơn một nửa top-10» của công ty là đúng, danh sách đó khả năng cao có doanh nghiệp Hàn Quốc. Thứ ba, điện toán trong bộ nhớ sau thời HBM. Điện toán xác suất và PIM (xử lý trong bộ nhớ) nằm ở các tầng khác nhau, nhưng cùng một bài toán: giảm di chuyển dữ liệu và tính toán gần hơn với vật lý. Việc Micron là nhà đầu tư từ sớm không tách rời điểm giao nhau này.

Dưới góc nhìn MBA, chính cấu trúc của công ty là tài liệu nghiên cứu tình huống. Normal vận hành mô hình hai động cơ. Động cơ 1, EDA, tạo ra doanh thu đăng ký và thử nghiệm, uy tín với tài khoản lớn và, trên hết, «thời gian». Động cơ 2, chip nhiệt động lực học, nếu thành công sẽ thay đổi danh tính của công ty, nhưng xác suất thất bại cao và cần nhiều năm mới thu hồi. Quyết định thiết kế động cơ 2 bằng động cơ 1, tức dùng dogfooding làm thiết bị chứng minh, là nước đi tinh tế nhất của cấu trúc này: nếu chip do chính EDA của mình tạo ra chạy được trên silic, đó là bằng chứng bán hàng mạnh nhất cho EDA; và các quy trình công việc của khách hàng EDA sẽ cho công ty biết nên chế tạo chip nào.

Rủi ro ngược lại cũng đến từ cấu trúc. Hai động cơ có thị trường nhân tài, chu kỳ bán hàng và định nghĩa thành công khác nhau. Các khách hàng lớn của EDA đồng thời là trọng tài cạnh tranh cho lộ trình phần cứng. Và mô hình này chỉ hoạt động khi động cơ 1 thực sự bán được. Nếu doanh thu EDA dừng ở mức thử nghiệm mà không lên được hợp đồng chính thức, công ty quay lại thành một tổ chức nghiên cứu đắt đỏ.

Phản biện và rủi ro

• Tính non trẻ của mô hình. Trong giới nghiên cứu lĩnh vực này lưu hành một phép so sánh: điện toán nhiệt động lực học hôm nay là «điện toán lượng tử của thập niên 1990». Nguyên lý đã được chứng minh, nhưng quy mô hữu dụng còn xa. Lộ trình của công ty hứa khép khoảng cách đó trước năm 2028; hãy đọc nó với khoảng cách đó trong đầu.
• Tuyên bố 1.000x chưa được chứng minh. Hiệu quả năng lượng tới 1.000x là mục tiêu và tuyên bố của công ty cho các workload đích. Kết quả CN101 là minh chứng về số chu kỳ và chất lượng tạo nội dung ở quy mô nhỏ, không phải phép so sánh công suất trên workload thương mại. Kiểm chứng độc lập của CN201 sẽ là bài kiểm tra thực sự đầu tiên.
• Bài toán kiểm chứng của chip xác suất. Một chip mà câu trả lời là một phân phối không thể kiểm chứng bằng các phương pháp signoff hiện hữu. Trên chồng kiểm chứng xây dựng trên các bảo đảm xác định về thời gian và chức năng, cần một phương pháp mới chấp nhận bảo đảm thống kê. Đây là rủi ro cho công ty, và nghịch lý thay, cũng chính là bài toán mà EDA của họ phải bán lời giải.
• Thiếu hệ sinh thái phần mềm. Dù chip hiệu quả đến đâu, nếu không chạy được trên một stack ở tầm PyTorch, nó sẽ không bán được. Mức độ trưởng thành của mô hình lập trình, trình biên dịch và thư viện quan trọng ngang silic, và tầng này là tầng đắt nhất với một startup.
• Phụ thuộc vào lộ trình của khách hàng. Doanh thu EDA gắn với lịch thiết kế của vài khách hàng lớn; một chương trình của khách hàng chậm lại cũng có thể làm chao đảo cả quý.
• Tiêu hao vốn. Con đường tới CN301 sẽ cần thêm các vòng gọi vốn lớn. Nếu đường băng mà vòng 2026 tạo ra cạn trước khi kết quả CN201 xuất hiện, công ty sẽ phải quay lại thị trường với điều kiện kém hơn.
• Gộp gói của các ông lớn. Nếu các ông lớn EDA bắt đầu đưa các tính năng agentic vào gói hiện hữu với giá thực chất bằng không, sức mạnh định giá của một startup EDA độc lập sẽ thu hẹp rất nhanh.

Dòng thời gian

FAQ

Q: Normal Computing thực ra bán gì? A: Bán hai thứ. Một là Normal EDA, nền tảng thiết kế chip gốc AI biến đặc tả thành mô hình hình thức bằng auto-formalization và tự động hoá thiết kế cùng kiểm chứng. Thứ còn lại là chip điện toán nhiệt động lực học của chương trình Carnot, nhưng chúng chưa phải sản phẩm thương mại: vẫn ở giai đoạn chip kiểm thử CN101.

Q: Điện toán nhiệt động lực học là gì? A: Cách tiếp cận không triệt tiêu dao động vật lý và nhiễu của chip, mà dùng chúng trực tiếp để tính toán. Quá trình hệ thư giãn về phân phối cân bằng của nó tự nó thực hiện lấy mẫu và điện toán xác suất. Công ty tuyên bố điều này có lợi cho các workload mà việc rút mẫu từ một phân phối là cốt lõi: mô hình khuếch tán, suy luận Bayes và đại số tuyến tính.

Q: Hiệu quả 1.000x đã được kiểm chứng chưa? A: Chưa. Con số tới 1.000x là mục tiêu và tuyên bố của công ty cho các workload đích. Kết quả CN101 đã công bố chỉ là minh chứng quy mô nhỏ về tạo MNIST và CIFAR-10, cùng dữ liệu của công ty rằng thực thi đồng thời dùng ít hơn 62 lần số chu kỳ so với thực thi tuần tự. So sánh công suất trên workload quy mô thương mại là việc của CN201 trở đi.

Q: Auto-formalization khác gì AI của các EDA hiện hữu? A: Ở điểm khởi đầu. AI dạng agentic của các ông lớn EDA xếp tự động hoá lên trên chuỗi công cụ của họ. Normal tuyên bố trước hết dịch đặc tả thành mô hình logic hình thức bằng LLM, và đặt việc chứng minh tính đúng đắn của thiết kế trên mô hình đó làm trung tâm. Phạm vi thương mại hiện tại của công ty là tự động hoá DV và RTL.

Q: Vì sao Samsung Catalyst Fund đầu tư? A: Theo phát biểu chính thức, vì tiềm năng rút ngắn thời gian ra thị trường của nền tảng thiết kế. Người đứng đầu quỹ nhắc tới tiềm năng của Normal trong việc mang lại thời gian ra thị trường nhanh hơn cho những khách hàng thiết kế chip khắt khe nhất. Cộng với kế hoạch mở rộng tại Hàn Quốc mà công ty công bố, có thể suy ra khả năng hợp tác với hệ sinh thái Samsung, dù chưa có dự án chung cụ thể nào được công bố.

Q: Chip nhiệt động lực học có thay thế GPU không? A: Không. Điện toán xác định chính xác vẫn là địa hạt của phần cứng số. Ghế mà chip Carnot nhắm tới là ghế tăng tốc dị thể chuyên cho workload xác suất, đảm nhiệm lấy mẫu và suy luận tạo sinh bên cạnh CPU và GPU.

Các sự kiện trong bài viết này được đối chiếu chéo tính đến ngày 22 tháng 10 năm 2026 với thông cáo của công ty, tài liệu công khai của Hot Chips 2026, các bài báo học thuật và đưa tin độc lập. Các con số và tình trạng đối tác được đánh dấu «tuyên bố của công ty» hoặc «theo công ty» được trích dẫn nguyên trạng từ nguồn của chúng. Normal Computing là công ty chưa niêm yết và không công bố báo cáo tài chính đã kiểm toán. Các dữ liệu khác nhau theo nguồn hoặc không công khai, như số nhân viên hay số tiền của Series A, đều được ghi rõ như vậy trong bài.

📩 Đăng ký bản tin VLSI Korea

Nhận phân tích bán dẫn chuyên sâu mỗi ngày qua email trước tiên. Đăng ký miễn phí.

Đăng ký miễn phí