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.
Inovasi Model AI Maestro dalam Pengembangan Semikonduktor
Cadence Design Systems meluncurkan portofolio model kecerdasan buatan bernama Maestro untuk mempercepat proses perancangan chip dan sistem elektronik. Inovasi terbaru ini menjadi bagian penting dalam penerapan artificial intelligence pada bidang electronic design automation atau EDA. Dalam industri semikonduktor modern, para insinyur harus menangani berbagai pekerjaan rumit yang membutuhkan ketelitian tinggi dan evaluasi mendalam. Melalui Maestro, Cadence menargetkan peningkatan kemampuan para pengembang dalam menyempurnakan struktur chip menggunakan agen kecerdasan buatan yang dirancang untuk pekerjaan rekayasa. Pendekatan ini diharapkan mendukung efisiensi kerja tanpa meniadakan pentingnya pengawasan insinyur profesional.
Portofolio Maestro tidak hanya merupakan model bahasa umum yang menghasilkan teks, melainkan dirancang khusus untuk mendukung rekayasa sistem elektronik. Melalui arsitektur yang digunakan, Maestro bekerja melalui Cadence AI Super Agents dan perangkat lunak desain yang menjadi bagian dari ekosistem perusahaan. Pendekatan terpadu tersebut membantu agen AI untuk menginterpretasikan spesifikasi teknik, kemudian menyusun proses menjadi beberapa tahapan yang mudah dikelola. Rangkaian pekerjaan tersebut dapat melibatkan model AI, alat analisis, dan sistem verifikasi untuk mengevaluasi kesesuaian desain. Melalui penggabungan kemampuan ini, Cadence menghadirkan lingkungan kerja yang lebih otomatis terhadap perkembangan industri semikonduktor.
Fleksibilitas Penggunaan AI Maestro melalui Cloud dan Infrastruktur Internal
Salah satu keunggulan utama yang dihadirkan Maestro adalah kebebasan memilih infrastruktur pada berbagai lingkungan komputasi. Perusahaan pengguna memiliki pilihan mengoperasikan model AI melalui layanan cloud Cadence, cloud publik, atau infrastruktur internal perusahaan. Pilihan terakhir memiliki nilai strategis bagi perusahaan semikonduktor yang mengelola informasi desain bersifat rahasia. Selama proses perancangan perangkat elektronik, data seperti arsitektur rangkaian, konfigurasi transistor, dan spesifikasi produk dapat menjadi informasi bisnis yang sensitif. Berkat pilihan pengoperasian internal, perusahaan dapat mempertahankan data tersebut dalam lingkungan yang dikelola sendiri tanpa perlu menyerahkan seluruh proses ke layanan eksternal.
Fleksibilitas infrastruktur internal juga memberikan manfaat dalam pengelolaan keamanan. Organisasi pengguna bisa menerapkan kebijakan keamanan sesuai dengan kebutuhan organisasi. Di samping perlindungan informasi, penerapan lokal berpotensi membantu integrasi Maestro dengan perangkat lunak yang sudah digunakan. Meskipun memiliki banyak keuntungan, menjalankan model AI secara mandiri mengandalkan infrastruktur komputasi yang sesuai kebutuhan. Perusahaan juga perlu mempertimbangkan kebutuhan perangkat keras, konsumsi energi, pemeliharaan sistem, dan kebutuhan sumber daya internal. Oleh karena itu, pilihan antara cloud dan penggunaan lokal harus dipertimbangkan berdasarkan kebutuhan bisnis masing-masing perusahaan.
Dukungan Teknologi Nvidia untuk Kecerdasan Buatan Desain Chip
Penyempurnaan portofolio AI Cadence melibatkan 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 pengembangan model terspesialisasi. Dengan dukungan model tersebut, Cadence mengembangkan kemampuan AI yang lebih terarah dengan kebutuhan rekayasa elektronik. Pendekatan tersebut menggabungkan kemampuan pemrosesan bahasa dan penalaran AI dengan pengalaman rekayasa elektronik. Hasilnya diharapkan untuk memungkinkan model khusus menganalisis kebutuhan rekayasa berdasarkan hasil verifikasi perangkat lunak.
Selain Nemotron, Cadence dan Nvidia juga bekerja sama untuk mendukung penggunaan kecerdasan buatan yang terkendali. Salah satu teknologi yang digunakan adalah Nvidia OpenShell Reference Architecture. Sistem pendukung tersebut dirancang guna membantu menjalankan agen AI dalam infrastruktur yang memiliki kendali keamanan. Ketika agen AI menangani pekerjaan rekayasa, perlindungan tersebut memiliki peran besar karena sistem dapat memanfaatkan dokumen desain, konfigurasi perangkat, dan aset intelektual perusahaan. Walaupun pendekatan ini menjanjikan, keamanan penerapan AI tidak cukup ditentukan oleh arsitektur perangkat lunak. Pengelolaan izin, pembaruan sistem, dan pemeriksaan hasil pekerjaan tetap dibutuhkan untuk mendukung perlindungan menyeluruh.
Integrasi AI Super Agents dan Perangkat Lunak EDA pada Maestro
Sistem kecerdasan buatan tersebut menggunakan pendekatan terintegrasi yang mengintegrasikan model AI dengan perangkat lunak electronic design automation dan system design automation. Pada mekanisme pengoperasiannya, Cadence AI Super Agents menerima tujuan desain yang diberikan oleh insinyur. Setelah memahami instruksi, agen AI membagi kebutuhan tersebut menjadi tugas yang lebih spesifik. Tahapan selanjutnya melibatkan pengoperasian perangkat lunak rekayasa untuk mengevaluasi alternatif solusi. Dengan pendekatan ini, AI tidak hanya menghasilkan rekomendasi berbentuk teks, tetapi juga mampu mendukung aktivitas teknis melalui alat rekayasa yang terintegrasi. Kemampuan tersebut diharapkan mempermudah insinyur dalam mempercepat evaluasi desain.
Bagian menarik dari sistem Maestro adalah penggunaan reinforcement learning atau pembelajaran penguatan untuk meningkatkan kualitas model AI. Dalam mekanisme ini, sistem memanfaatkan hasil evaluasi dari perangkat lunak desain dan pemecah masalah berbasis aturan untuk memberikan umpan balik. Umpan balik tersebut dimanfaatkan meningkatkan kemampuan model ketika menangani kebutuhan rekayasa lainnya. Dalam penerapan teknis, sistem dapat membandingkan beberapa pilihan rancangan berdasarkan luas area chip dan batasan yang telah ditetapkan. Berkat penggabungan hasil pengujian dan proses pembelajaran, Cadence ingin memperbaiki kualitas keputusan otomatis secara berkelanjutan. Walaupun memiliki kemampuan tersebut, verifikasi oleh insinyur masih merupakan bagian penting dari pengembangan chip berkualitas.
Potensi Penghematan Token AI dan Perbaikan Hasil Desain Chip
Menurut evaluasi awal dari pengembangnya, Maestro memperlihatkan peningkatan kualitas hasil desain hingga 30 persen dibandingkan model AI serbaguna yang digunakan sebagai pembanding. Di samping hasil desain yang lebih baik, Cadence turut menyampaikan efisiensi penggunaan token hingga lima kali lebih tinggi. Istilah token merujuk pada unit informasi yang digunakan model AI ketika menganalisis masukan. Ketika jumlah token dapat dioptimalkan, biaya pemrosesan berpotensi menjadi lebih rendah. Walaupun angka yang dilaporkan menarik, pencapaian tersebut masih berasal dari evaluasi awal dan tidak otomatis berlaku pada setiap rancangan chip atau seluruh beban kerja. Dengan mempertimbangkan keterbatasan tersebut, pengujian lanjutan masih menjadi langkah penting untuk memastikan manfaat operasional pada lingkungan produksi berbeda.
Potensi peningkatan produktivitas berkaitan dengan strategi Maestro yang menyeimbangkan penggunaan model AI dengan perangkat lunak rekayasa yang menghasilkan evaluasi terukur. Alih-alih mengandalkan model bahasa besar untuk seluruh tahapan pekerjaan, sistem dapat mengarahkan tugas kepada alat yang relevan dengan kebutuhan. Sebagai ilustrasi, perhitungan atau validasi teknis bisa dijalankan oleh perangkat EDA, sedangkan model AI digunakan untuk interpretasi instruksi dan koordinasi pekerjaan. Pembagian tugas semacam ini dapat membantu menekan pemrosesan yang kurang efisien. Sebagai hasil yang diharapkan, pengembang chip dapat memperoleh kesempatan peningkatan produktivitas sekaligus penggunaan sumber daya lebih efisien.
Prospek Pengembangan Semikonduktor melalui Inovasi Maestro
Peluncuran Maestro oleh Cadence menandai perkembangan menarik dalam penerapan AI pada industri semikonduktor. Dengan menggabungkan model khusus, Cadence AI Super Agents, dan perangkat lunak EDA, sistem tersebut dirancang untuk memperbaiki efisiensi pekerjaan insinyur. Fleksibilitas penerapan Maestro melalui cloud maupun pusat data lokal menghadirkan keuntungan bagi perusahaan yang membutuhkan kendali infrastruktur. Sementara itu, dukungan Nvidia Nemotron dan OpenShell memperluas kemampuan pengembangan model serta pendekatan perlindungan agen AI. Ketersediaan awal portofolio tersebut ditujukan bagi 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 dioptimalkan bagi sektor industri. Bagaimana menurut Anda mengenai pengembangan model AI khusus industri? Ceritakan pemikiran Anda tentang peluang dan tantangan inovasi ini.
