Cadence har introducerat Maestro AI Model Portfolio, en uppsättning domänspecialiserade modeller som driver deras AI Super Agents inom chip- och systemdesign. Maestro kombinerar eftertränade stora språkmodeller, tränade beslutsmodeller och självförbättrande agentfärdigheter, och Cadence säger att initiala resultat från designarbetsflödet visar upp till 30 procent högre kvalitet och upp till 5 gånger bättre tokeneffektivitet än en generell grundmodell. Dessa är leverantörsresultat, och vi har inte kört eller granskat dem.
Förstärkningsinlärningsloopar och deterministiska EDA-lösare
Cadence tillskriver dessa vinster en vertikalt integrerad inlärningsmiljö som kopplar Maestro-modellerna till sina AI-superagenter, sina verktyg för elektronisk designautomation (EDA) och systemdesignautomation (SDA), kurerade tekniska dataset och utvärderingsverktyg. Cadences deterministiska lösare poängsätter agenternas utdata mot tekniska mål, begränsningar och grundläggande sanning, vilket ger förstärkningsinlärning en sluten, verifierad återkopplingsslinga. Cadence har inte publicerat arbetsbelastningarna eller baslinjerna bakom siffrorna 30 procent och 5X.
Superagenter använder Maestro tillsammans med generella modeller: givet ett övergripande mål tolkar en superagent designintentionen, delar upp den i uppgifter, dirigerar arbete mellan Maestro-, frontier- och open-weight-modeller och driver EDA- och SDA-verktygen. Cadence säger att balansering av verktygsanrop mot modellanrop är det som minskar tokenanvändningen. Kunder kan också efterträna Maestro-modeller, inklusive NVIDIA Nemotron-varianter, på proprietära data, designer och arbetsflöden.
NVIDIA bidrar med Nemotron-modeller, OpenShell och ingenjörsexpertis, och de två företagen integrerar Cadences agenter med NVIDIA OpenShell Reference Architecture för agentsäkerhet. ”Genom att grunda förstärkningsinlärning i feedback från EDA-verktyg och deterministiska lösningar kan vi lära agenter att fatta bättre designbeslut baserat på hur väl deras arbete uppfyller tekniska mål och begränsningar”, säger Tim Costa, vice vd och chef för industriell och beräkningsmässig teknik på NVIDIA.
Orkestrering av arbetsbelastning för AI-superagenter
Maestro betjänar fyra superagenter som namnges i tillkännagivandet, var och en mappad till ett visst steg i designflödet. ChipStack hanterar digital frontend-design och verifiering, från RTL-generering och testbänkskapande till regression och felsökning. ViraStack täcker anpassad och analog design, InnoStack tar digital implementering, signoff och 3D-IC, och AuraStack riktar sig mot PCB och avancerad kapsling. Cadences AgentStack-chef sitter ovanför dem och orkestrerar allt.
Två kunder använder redan agenterna: Socionext driftsätter InnoStack i sin produktionsdesignmiljö, och Hisato Yoshida, operativ chef för Socionext, sa: ”Genom att kombinera agentisk AI med avancerade EDA-verktyg för fysisk design förväntar vi oss upp till 5 gånger den totala produktivitetsökningen samtidigt som designkvaliteten bibehålls.” På Silicon Labs snabbade ingenjörsteam som använde Cadence Verisium Debug som en del av ChipStack upp rotorsaksanalys och heltäckande felsökning under pre-kiselverifiering med låg effekt, enligt Garima Sharda, företagets vice vd för teknik.
Distributionsstatus och tidig åtkomst
Den fullständiga agentmiljön, inklusive Super Agents, Maestro-modeller och EDA-verktyg, kan köras på Cadences säkra molnplattform, på säkra publika moln eller i kundstyrda lokala miljöer för att uppfylla krav på datasekretess och säkerhet. De första Maestro-modellerna är tillgängliga för utvalda kunder med tidig åtkomst under fjärde kvartalet 2026, och Cadence har inte meddelat allmän tillgänglighet eller prissättning.
Amazon