ケイデンスは、チップおよびシステム設計における同社のAIスーパーエージェントを支える、ドメイン特化型モデル群であるMaestro AIモデルポートフォリオを発表しました。Maestroは、事後学習済みの大規模言語モデル、学習済み意思決定モデル、および自己改善型エージェントスキルを組み合わせたもので、ケイデンスによると、初期の設計ワークフローの結果では、汎用基盤モデルと比較して、結果の品質が最大30%向上し、トークン効率が最大5倍向上したとのことです。これらはベンダーによる結果であり、当社が実行または監査したものではありません。
強化学習ループと決定論的EDAソルバー
ケイデンスは、これらの成果は、Maestroモデルを同社のAIスーパーエージェント、電子設計自動化（EDA）およびシステム設計自動化（SDA）ツール、厳選されたエンジニアリングデータセット、評価ハーネスに連携させた垂直統合型の学習環境によるものだと説明しています。ケイデンスの決定論的ソルバーは、エージェントの出力をエンジニアリング目標、制約、および正解データと照らし合わせて評価することで、強化学習に閉じた検証済みのフィードバックループを提供します。ケイデンスは、30%と5倍という数値の根拠となるワークロードやベースラインは公表していません。
スーパーエージェントは、汎用モデルと並行してMaestroを使用します。高レベルの目標が与えられると、スーパーエージェントは設計意図を解釈し、それをタスクに分割し、Maestro、フロンティア、オープンウェイトモデル間で作業をルーティングし、EDAおよびSDAツールを駆動します。Cadence社によると、ツール呼び出しとモデル呼び出しのバランスを取ることでトークン使用量を削減できるとのことです。顧客は、NVIDIA Nemotronのバリアントを含むMaestroモデルを、独自のデータ、設計、ワークフローで事後学習させることもできます。
NVIDIAはNemotronモデル、OpenShell、およびエンジニアリングの専門知識を提供しており、両社はエージェントのセキュリティのためにCadenceのエージェントをNVIDIA OpenShellリファレンスアーキテクチャに統合しています。「EDAツールと決定論的ソルバーからのフィードバックに基づいて強化学習を行うことで、エージェントがエンジニアリングの目標と制約をどれだけ満たしているかに基づいて、より良い設計上の意思決定を行うように教えることができます」と、NVIDIAの産業および計算エンジニアリング担当副社長兼ゼネラルマネージャーのティム・コスタ氏は述べています。
AIスーパーエージェントのワークロードオーケストレーション
Maestroは、発表で示された4つのスーパーエージェントをサポートしており、それぞれが設計フローの各段階に対応しています。ChipStackは、RTL生成やテストベンチ作成から回帰テストやデバッグまで、フロントエンドのデジタル設計と検証を担当します。ViraStackはカスタム設計とアナログ設計を、InnoStackはデジタル実装、サインオフ、3D-ICを、AuraStackはPCBと高度なパッケージングを対象としています。CadenceのAgentStackヘッドエージェントは、これらの上位に位置し、全体を統括します。
2社の顧客が既にエージェントを運用しています。ソシオネクストは自社の生産設計環境にInnoStackを導入しており、ソシオネクストのCOOである吉田久人氏は、「エージェントAIと物理設計向けの高度なEDAツールを組み合わせることで、設計品質を維持しながら全体的な生産性を最大5倍向上させることができると期待しています」と述べています。シリコンラボでは、エンジニアリングチームがChipStackの一部としてCadence Verisium Debugを使用することで、シリコン製造前の低消費電力検証における根本原因分析とエンドツーエンドのデバッグを高速化したと、同社のエンジニアリング担当副社長であるガリマ・シャルダ氏は述べています。
展開状況と早期アクセス
スーパーエージェント、マエストロモデル、EDAツールを含む完全なエージェント環境は、ケイデンスのセキュアなクラウドプラットフォーム、セキュアなパブリッククラウド、または顧客が管理するオンプレミス環境で実行でき、データプライバシーとセキュリティ要件を満たします。最初のマエストロモデルは、2026年第4四半期に一部の早期アクセス顧客向けに提供される予定で、ケイデンスは一般提供開始時期や価格についてはまだ発表していません。
Amazon