Cadence Perkenalkan Maestro, Model AI Desain Chip yang Bisa Dijalankan Lokal

Industri semikonduktor memasuki babak baru setelah Cadence Design Systems memperkenalkan Maestro, portofolio model kecerdasan buatan yang dirancang khusus untuk mempercepat proses desain chip dan sistem elektronik. Diumumkan pada 26 Oktober 2026, inovasi ini menawarkan kemampuan menjalankan model AI langsung di pusat data perusahaan tanpa harus bergantung sepenuhnya pada layanan cloud eksternal. Melalui dukungan Nvidia dan integrasi dengan perangkat lunak desain elektronik, Maestro berpotensi membantu para insinyur menyelesaikan pekerjaan kompleks secara lebih efisien. Perkembangan TEKNOLOGI ini sekaligus menghadirkan pendekatan baru dalam menggabungkan otomatisasi, keamanan data, dan kecerdasan buatan untuk kebutuhan industri semikonduktor modern.

Cadence Memperkenalkan Maestro untuk Mempercepat Desain Chip

Raksasa teknologi otomasi desain semikonduktor Cadence meluncurkan portofolio model kecerdasan buatan bernama Maestro untuk mempercepat proses perancangan chip dan sistem elektronik. Pengembangan tersebut menjadi bagian penting dalam penerapan artificial intelligence pada bidang electronic design automation atau EDA. Selama ini, para insinyur menghadapi serangkaian proses teknis kompleks yang membutuhkan ketelitian tinggi dan evaluasi mendalam. Berkat portofolio AI baru ini, Cadence berupaya membantu para pengembang dalam menganalisis rancangan menggunakan agen kecerdasan buatan yang memiliki kemampuan khusus di bidang desain elektronik. Strategi tersebut diharapkan mendukung efisiensi kerja tanpa meniadakan pentingnya pengawasan insinyur profesional.

Maestro bukan sekadar model bahasa umum yang memberikan jawaban percakapan, melainkan dioptimalkan untuk mendukung rekayasa sistem elektronik. Dalam penerapannya, Maestro terhubung dengan Cadence AI Super Agents dan perangkat lunak desain yang telah digunakan ekosistem perusahaan. Hubungan antarkomponen ini memungkinkan agen AI untuk mengenali kebutuhan desain, kemudian membagi pekerjaan menjadi beberapa tahapan yang dapat dievaluasi. Proses yang dijalankan menggabungkan model AI, alat analisis, dan sistem verifikasi untuk mengevaluasi kesesuaian desain. Dengan mekanisme tersebut, Cadence menargetkan pengembangan lingkungan kerja yang semakin efisien terhadap perkembangan industri semikonduktor.

Fleksibilitas Penggunaan AI Maestro melalui Cloud dan Infrastruktur Internal

Salah satu keunggulan utama yang ditawarkan Maestro adalah fleksibilitas penerapan pada berbagai lingkungan komputasi. Pelanggan Cadence bisa menerapkan model AI melalui layanan cloud Cadence, cloud publik, atau pusat data milik sendiri. Opsi penggunaan lokal memiliki nilai strategis bagi perusahaan semikonduktor yang mengelola informasi desain bersifat rahasia. Pada kegiatan rekayasa semikonduktor, data seperti arsitektur rangkaian, konfigurasi transistor, dan spesifikasi produk termasuk dalam informasi bisnis yang sensitif. Berkat pilihan pengoperasian internal, perusahaan dapat mempertahankan data tersebut dalam jaringan internal perusahaan tanpa harus memindahkan seluruh informasi ke layanan eksternal.

Kemampuan menjalankan model secara lokal turut menghadirkan manfaat dalam pengelolaan keamanan. Organisasi pengguna bisa menyesuaikan pengaturan keamanan sesuai dengan kebutuhan organisasi. Tidak hanya berkaitan dengan keamanan, penerapan lokal memungkinkan optimalisasi integrasi Maestro dengan perangkat lunak yang sudah digunakan. Namun demikian, menjalankan model AI secara mandiri mengandalkan infrastruktur komputasi yang sesuai kebutuhan. Pengguna korporasi harus menghitung kebutuhan perangkat keras, konsumsi energi, pemeliharaan sistem, dan kebutuhan sumber daya internal. Atas dasar kebutuhan tersebut, pilihan antara cloud dan penggunaan lokal harus dipertimbangkan berdasarkan prioritas keamanan masing-masing perusahaan.

Peran Nvidia Nemotron dan OpenShell pada Model AI Maestro

Penyempurnaan portofolio AI Cadence memanfaatkan kerja sama dengan Nvidia, perusahaan teknologi yang dikenal melalui pengembangan perangkat keras dan model kecerdasan buatan. Salah satu komponen penting adalah Nvidia Nemotron, yaitu keluarga model AI dengan bobot terbuka yang dapat dimanfaatkan untuk berbagai kebutuhan khusus. Dengan dukungan model tersebut, Cadence menyusun kemampuan AI yang lebih relevan dengan pekerjaan perancangan chip. Pendekatan tersebut memadukan kemampuan pemrosesan bahasa dan penalaran AI dengan keahlian perusahaan dalam perangkat lunak desain. Kombinasi ini ditujukan untuk memungkinkan model khusus mengambil keputusan teknis berdasarkan hasil verifikasi perangkat lunak.

Selain Nemotron, Cadence dan Nvidia turut menjajaki integrasi untuk mendukung penggunaan kecerdasan buatan yang terkendali. Pendekatan yang tengah diintegrasikan adalah Nvidia OpenShell Reference Architecture. Sistem pendukung tersebut dirancang guna membantu menjalankan agen AI dalam lingkungan yang lebih aman. Ketika agen AI menangani pekerjaan rekayasa, perlindungan tersebut perlu diperhatikan karena sistem dapat memanfaatkan dokumen desain, konfigurasi perangkat, dan informasi teknis sensitif. Namun demikian, keamanan penerapan AI tidak hanya bergantung pada arsitektur perangkat lunak. Pengelolaan izin, pembaruan sistem, dan pemeriksaan hasil pekerjaan masih diperlukan untuk menjaga keandalan.

Cara Kerja Maestro dalam Mengoptimalkan Proses Desain Semikonduktor

Sistem kecerdasan buatan tersebut menggunakan pendekatan terintegrasi yang menggabungkan model AI dengan perangkat lunak electronic design automation dan system design automation. Pada mekanisme pengoperasiannya, Cadence AI Super Agents memproses tujuan desain yang berasal dari kebutuhan proyek. Pada tahap berikutnya, agen AI membagi kebutuhan tersebut menjadi tugas yang lebih spesifik. Proses berikutnya melibatkan pengoperasian perangkat lunak rekayasa untuk membuat rancangan. Dengan pendekatan ini, AI tidak hanya menghasilkan rekomendasi berbentuk teks, tetapi juga mampu mendukung aktivitas teknis melalui perangkat lunak yang relevan. Kemampuan tersebut diharapkan mempermudah insinyur dalam mempercepat evaluasi desain.

Salah satu aspek penting adalah penggunaan reinforcement learning atau pembelajaran penguatan untuk meningkatkan kualitas model AI. Pada pendekatan pembelajaran tersebut, sistem menggunakan hasil evaluasi dari perangkat lunak desain dan pemecah masalah berbasis aturan untuk memberikan umpan balik. Informasi hasil pengujian dimanfaatkan meningkatkan kemampuan model ketika menangani kebutuhan rekayasa lainnya. Pada proses optimasi desain, sistem dapat mengukur beberapa pilihan rancangan berdasarkan luas area chip dan batasan yang ditentukan sebelumnya. Melalui integrasi antara hasil pengujian dan proses pembelajaran, Cadence berupaya meningkatkan kualitas keputusan otomatis secara lebih sistematis. Walaupun memiliki kemampuan tersebut, verifikasi oleh insinyur tetap menjadi bagian penting dari pengembangan chip berkualitas.

Keunggulan Kinerja Maestro Dibandingkan Model AI Umum

Menurut evaluasi awal dari pengembangnya, Maestro mencatat peningkatan kualitas hasil desain hingga 30 persen dibandingkan model AI serbaguna yang digunakan sebagai pembanding. Tidak hanya menawarkan penyempurnaan hasil, Cadence mengungkapkan efisiensi penggunaan token hingga lima kali lebih tinggi. Istilah token merujuk pada unit informasi yang diproses model AI ketika menghasilkan keluaran. Ketika jumlah token dapat dioptimalkan, biaya pemrosesan berpotensi menjadi lebih rendah. Meski hasil tersebut menjanjikan, pencapaian tersebut belum mewakili seluruh kondisi penggunaan dan tidak otomatis berlaku pada setiap rancangan chip atau seluruh beban kerja. Oleh sebab itu, pengujian lanjutan tetap diperlukan untuk mengukur efektivitas penerapan pada lingkungan produksi berbeda.

Efisiensi yang ditawarkan berkaitan dengan strategi Maestro yang mengombinasikan penggunaan model AI dengan perangkat lunak rekayasa yang memiliki fungsi khusus. Daripada hanya menggunakan model bahasa besar untuk setiap proses teknis, sistem dapat mengarahkan tugas kepada alat yang memiliki kemampuan khusus. Sebagai ilustrasi, perhitungan atau validasi teknis bisa dijalankan oleh perangkat EDA, sedangkan model AI membantu proses interpretasi instruksi dan koordinasi pekerjaan. Arsitektur yang terintegrasi tersebut memungkinkan penghematan pemrosesan yang berulang tanpa manfaat tambahan. Dengan demikian, pengembang chip dapat memperoleh kesempatan peningkatan produktivitas sekaligus pengelolaan biaya yang lebih baik.

Prospek Pengembangan Semikonduktor melalui Inovasi Maestro

Inovasi kecerdasan buatan dari Cadence Design Systems menandai perkembangan menarik dalam pengembangan rekayasa elektronik modern. Berkat pemanfaatan model khusus, Cadence AI Super Agents, dan perangkat lunak EDA, sistem tersebut berpotensi meningkatkan kualitas proses perancangan. Kemampuan menjalankan Maestro melalui cloud maupun pusat data lokal menghadirkan keuntungan bagi perusahaan yang memprioritaskan keamanan data. Sebagai penguatan teknologi, dukungan Nvidia Nemotron dan OpenShell melengkapi kemampuan pengembangan model serta pendekatan perlindungan agen AI. Ketersediaan awal portofolio tersebut direncanakan untuk pelanggan terpilih melalui program akses awal pada kuartal keempat 2026, sehingga adopsi industri yang lebih besar masih membutuhkan pengembangan dan evaluasi lanjutan. Di tengah kemajuan kecerdasan buatan, Maestro menunjukkan peluang AI yang dirancang untuk kebutuhan khusus. Bagaimana menurut Anda mengenai masa depan otomatisasi semikonduktor? Sampaikan pandangan Anda tentang peluang dan tantangan inovasi ini.