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
Cadence Design Systems meluncurkan portofolio model kecerdasan buatan bernama Maestro untuk mendukung proses perancangan chip dan sistem elektronik. Pengembangan tersebut menjadi bagian penting dalam penerapan artificial intelligence pada bidang electronic design automation atau EDA. Pada proses pengembangan chip, para insinyur menghadapi serangkaian proses teknis kompleks yang membutuhkan ketelitian tinggi dan evaluasi mendalam. Melalui Maestro, Cadence ingin mendukung para pengembang dalam menganalisis rancangan menggunakan agen kecerdasan buatan yang dirancang untuk pekerjaan rekayasa. Pendekatan ini dapat membantu memperbaiki efisiensi kerja tanpa meniadakan pentingnya pengawasan insinyur profesional.
Portofolio Maestro tidak hanya merupakan model bahasa umum yang menghasilkan teks, melainkan dikembangkan secara spesifik untuk menangani pekerjaan desain chip. Dalam penerapannya, Maestro terhubung dengan Cadence AI Super Agents dan perangkat lunak desain yang tersedia dalam ekosistem perusahaan. Hubungan antarkomponen ini memberikan kemampuan kepada agen AI untuk menginterpretasikan spesifikasi teknik, kemudian menguraikan instruksi menjadi beberapa tahapan yang lebih terstruktur. Rangkaian pekerjaan tersebut memungkinkan penggunaan model AI, alat analisis, dan sistem verifikasi untuk menilai kualitas rancangan. Dengan mekanisme tersebut, Cadence menargetkan pengembangan lingkungan kerja yang semakin efisien terhadap kebutuhan insinyur.
Kemampuan On-Premises Maestro untuk Menjaga Data Desain Chip
Fitur penting yang dihadirkan Maestro adalah kebebasan memilih infrastruktur pada berbagai lingkungan komputasi. Organisasi yang mengadopsi teknologi tersebut memiliki pilihan mengoperasikan model AI melalui layanan cloud Cadence, cloud publik, atau lingkungan komputasi lokal. Pilihan terakhir memiliki nilai strategis bagi perusahaan semikonduktor yang menyimpan informasi desain bersifat rahasia. Pada kegiatan rekayasa semikonduktor, data seperti arsitektur rangkaian, konfigurasi transistor, dan spesifikasi produk termasuk dalam aset intelektual bernilai tinggi. Melalui penerapan lokal, perusahaan dapat mempertahankan data tersebut dalam jaringan internal perusahaan tanpa harus memindahkan seluruh informasi ke layanan eksternal.
Fleksibilitas infrastruktur internal menawarkan manfaat dalam pengendalian akses. Perusahaan dapat mengelola mekanisme keamanan sesuai dengan ketentuan perusahaan. Di samping perlindungan informasi, penerapan lokal berpotensi membantu integrasi Maestro dengan alur kerja rekayasa yang tersedia. Walaupun menawarkan fleksibilitas besar, menjalankan model AI secara mandiri tetap membutuhkan infrastruktur komputasi yang mampu menangani beban pemrosesan. Pengguna korporasi harus mengevaluasi kebutuhan perangkat keras, konsumsi energi, pemeliharaan sistem, dan kebutuhan sumber daya internal. Oleh karena itu, pilihan antara cloud dan penggunaan lokal perlu ditentukan berdasarkan kapasitas teknis masing-masing perusahaan.
Peran Nvidia Nemotron dan OpenShell pada Model AI Maestro
Pengembangan Maestro melibatkan Nvidia, perusahaan teknologi yang memiliki keunggulan dalam pengembangan perangkat keras dan model kecerdasan buatan. Teknologi yang digunakan dalam kerja sama ini adalah Nvidia Nemotron, yaitu keluarga model AI dengan bobot terbuka yang dapat dimanfaatkan untuk berbagai kebutuhan khusus. Melalui pemanfaatan Nemotron, Cadence membangun kemampuan AI yang lebih terarah dengan pekerjaan perancangan chip. Kerja sama teknologi ini menggabungkan kemampuan pemrosesan bahasa dan penalaran AI dengan keahlian perusahaan dalam perangkat lunak desain. Kombinasi ini ditujukan untuk memungkinkan model khusus menganalisis kebutuhan rekayasa berdasarkan persyaratan desain.
Di samping dukungan model AI, Cadence dan Nvidia turut menjajaki integrasi untuk meningkatkan keamanan agen AI. Komponen keamanan yang menjadi perhatian adalah Nvidia OpenShell Reference Architecture. Kerangka tersebut dirancang guna membantu menjalankan agen AI dalam infrastruktur yang memiliki kendali keamanan. Ketika agen AI menangani pekerjaan rekayasa, perlindungan tersebut perlu diperhatikan karena sistem dapat mengakses dokumen desain, konfigurasi perangkat, dan aset intelektual perusahaan. Namun demikian, keamanan penerapan AI tidak cukup ditentukan oleh arsitektur perangkat lunak. Pengawasan aktivitas, pembaruan sistem, dan pemeriksaan hasil pekerjaan harus diterapkan untuk menjaga keandalan.
Integrasi AI Super Agents dan Perangkat Lunak EDA pada Maestro
Portofolio AI Cadence memanfaatkan arsitektur pengembangan khusus yang menggabungkan model AI dengan perangkat lunak electronic design automation dan system design automation. Dalam proses ini, Cadence AI Super Agents menerima tujuan desain yang berasal dari kebutuhan proyek. Pada tahap berikutnya, agen AI membagi kebutuhan tersebut menjadi beberapa tahapan teknis. Proses berikutnya melibatkan penggunaan alat desain untuk memeriksa hasil. Melalui mekanisme tersebut, AI tidak terbatas pada pembuatan rekomendasi berbentuk teks, tetapi juga mampu mendukung aktivitas teknis melalui perangkat lunak yang relevan. Fungsi ini diharapkan mempermudah insinyur dalam mengurangi proses manual tertentu.
Bagian menarik dari sistem Maestro adalah penggunaan reinforcement learning atau pembelajaran penguatan untuk menyempurnakan kemampuan model AI. Dalam mekanisme ini, sistem memanfaatkan hasil evaluasi dari perangkat lunak desain dan pemecah masalah berbasis aturan untuk menilai keputusan. Informasi hasil pengujian berperan dalam meningkatkan kemampuan model ketika menangani kebutuhan rekayasa lainnya. Pada proses optimasi desain, sistem dapat membandingkan beberapa pilihan rancangan berdasarkan luas area chip dan batasan yang ditentukan sebelumnya. Dengan menghubungkan hasil pengujian dan proses pembelajaran, Cadence ingin memperbaiki kualitas keputusan otomatis secara bertahap. Meskipun demikian, verifikasi oleh insinyur tetap menjadi bagian penting dari pengembangan chip berkualitas.
Potensi Penghematan Token AI dan Perbaikan Hasil Desain Chip
Menurut evaluasi awal dari pengembangnya, Maestro menunjukkan peningkatan kualitas hasil desain hingga 30 persen dibandingkan model AI serbaguna yang digunakan sebagai pembanding. Selain peningkatan kualitas, Cadence mengungkapkan efisiensi penggunaan token hingga lima kali lebih tinggi. Token merupakan unit informasi yang dibaca model AI ketika menerima instruksi. Ketika jumlah token dapat dioptimalkan, biaya pemrosesan berpotensi menjadi lebih rendah. Meski hasil tersebut menjanjikan, pencapaian tersebut masih berasal dari evaluasi awal dan tidak selalu bisa digeneralisasi pada setiap rancangan chip atau seluruh beban kerja. Karena itu, pengujian lanjutan masih menjadi langkah penting untuk menilai kinerja nyata pada berbagai proyek industri.
Perbaikan performa awal tersebut berkaitan dengan strategi Maestro yang menyeimbangkan penggunaan model AI dengan perangkat lunak rekayasa yang memiliki fungsi khusus. Sebagai alternatif dari penggunaan model bahasa besar untuk setiap proses teknis, sistem memungkinkan pembagian tugas kepada alat yang memiliki kemampuan khusus. Pada pekerjaan rekayasa elektronik, perhitungan atau validasi teknis dapat dilakukan oleh perangkat EDA, sedangkan model AI digunakan untuk interpretasi instruksi dan koordinasi pekerjaan. Arsitektur yang terintegrasi tersebut dapat membantu menekan pemrosesan yang kurang efisien. Dengan demikian, pengembang chip dapat memperoleh kesempatan peningkatan produktivitas sekaligus pengelolaan biaya yang lebih baik.
Kesimpulan: Maestro Membuka Peluang Baru bagi Industri Semikonduktor
Peluncuran Maestro oleh Cadence membuka peluang baru dalam transformasi proses desain chip. Melalui integrasi model khusus, Cadence AI Super Agents, dan perangkat lunak EDA, sistem tersebut berpotensi meningkatkan kecepatan pengembangan produk. Kemampuan menjalankan Maestro melalui cloud maupun pusat data lokal juga memberikan keuntungan bagi perusahaan yang memprioritaskan keamanan data. Di sisi lainnya, dukungan Nvidia Nemotron dan OpenShell memperluas kemampuan pengembangan model serta pendekatan perlindungan agen AI. Tahap awal penerapan Maestro direncanakan untuk pelanggan terpilih melalui program akses awal pada kuartal keempat 2026, sehingga penggunaan pada berbagai perusahaan akan bergantung pada pengembangan dan evaluasi lanjutan. Dalam perkembangan TEKNOLOGI, Maestro memperlihatkan potensi AI yang berfokus pada pekerjaan teknis. Seperti apa pendapat Anda mengenai penggunaan AI dalam desain chip? Bagikan pendapat Anda tentang arah perkembangan teknologi desain elektronik.
