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.
Terobosan Cadence Menghadirkan AI Khusus Perancangan Chip
Perusahaan pengembang perangkat lunak desain elektronik Cadence mengumumkan portofolio model kecerdasan buatan bernama Maestro untuk mendukung proses perancangan chip dan sistem elektronik. Pengembangan tersebut menandai kemajuan baru dalam penerapan artificial intelligence pada bidang electronic design automation atau EDA. Selama ini, para insinyur menghadapi banyak tantangan rekayasa yang memerlukan ketelitian tinggi dan evaluasi mendalam. Melalui Maestro, Cadence berupaya membantu para pengembang dalam mengevaluasi desain menggunakan agen kecerdasan buatan yang memahami kebutuhan teknik. Pendekatan ini diharapkan mendukung efisiensi kerja tanpa menggantikan sepenuhnya peran pengawasan insinyur profesional.
Portofolio Maestro tidak hanya merupakan model bahasa umum yang merespons instruksi pengguna, melainkan dikembangkan secara spesifik untuk menangani pekerjaan desain chip. Pada sistem yang dikembangkan, Maestro terhubung dengan Cadence AI Super Agents dan perangkat lunak desain yang tersedia dalam ekosistem perusahaan. Pendekatan terpadu tersebut memungkinkan agen AI untuk mengenali kebutuhan desain, kemudian menyusun proses menjadi beberapa tahapan yang lebih terstruktur. Setiap tahapan dapat melibatkan model AI, alat analisis, dan sistem verifikasi untuk memeriksa hasil. Dengan mekanisme tersebut, Cadence menghadirkan 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 kebebasan memilih infrastruktur pada berbagai lingkungan komputasi. Organisasi yang mengadopsi teknologi tersebut memiliki pilihan mengoperasikan model AI melalui layanan cloud Cadence, cloud publik, atau infrastruktur internal perusahaan. Pilihan terakhir memiliki nilai strategis bagi perusahaan semikonduktor yang menangani 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 lebih mudah mengendalikan data tersebut dalam jaringan internal perusahaan tanpa perlu menyerahkan seluruh proses ke layanan eksternal.
Fleksibilitas infrastruktur internal turut menghadirkan manfaat dalam pengendalian akses. Tim teknologi informasi memiliki kesempatan untuk menyesuaikan pengaturan keamanan sesuai dengan standar internal. Di samping perlindungan informasi, penerapan lokal memungkinkan optimalisasi integrasi Maestro dengan sistem desain milik perusahaan. Namun demikian, menjalankan model AI secara mandiri tetap membutuhkan infrastruktur komputasi yang memadai. Pengguna korporasi harus mempertimbangkan kebutuhan perangkat keras, konsumsi energi, pemeliharaan sistem, dan kebutuhan sumber daya internal. Oleh karena itu, pilihan antara cloud dan penggunaan lokal sebaiknya disesuaikan berdasarkan kebutuhan bisnis masing-masing perusahaan.
Kolaborasi Cadence dan Nvidia dalam Mengembangkan Maestro
Penyempurnaan portofolio AI Cadence memanfaatkan kerja sama dengan Nvidia, perusahaan teknologi yang dikenal melalui 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 bisa digunakan untuk pengembangan model terspesialisasi. Berkat penggunaan teknologi Nvidia, Cadence mengembangkan kemampuan AI yang lebih sesuai dengan kebutuhan rekayasa elektronik. Strategi pengembangan bersama menggabungkan kemampuan pemrosesan bahasa dan penalaran AI dengan keahlian perusahaan dalam perangkat lunak desain. Kombinasi ini ditujukan untuk mendukung sistem otomatis menganalisis kebutuhan rekayasa berdasarkan persyaratan desain.
Selain Nemotron, Cadence dan Nvidia juga bekerja sama untuk memperkuat perlindungan sistem otomatis. Komponen keamanan yang menjadi perhatian adalah Nvidia OpenShell Reference Architecture. Arsitektur keamanan ini ditujukan untuk membantu menjalankan agen AI dalam lingkungan yang lebih aman. Ketika agen AI menangani pekerjaan rekayasa, perlindungan tersebut menjadi penting karena sistem dapat memanfaatkan dokumen desain, konfigurasi perangkat, dan informasi teknis sensitif. Namun demikian, keamanan penerapan AI tidak cukup ditentukan oleh arsitektur perangkat lunak. Pembatasan hak akses, pembaruan sistem, dan pemeriksaan hasil pekerjaan harus diterapkan untuk mengurangi risiko.
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. Melalui sistem tersebut, Cadence AI Super Agents memproses tujuan desain yang diberikan oleh insinyur. Setelah memahami instruksi, agen AI menguraikan kebutuhan tersebut menjadi serangkaian pekerjaan. Langkah yang kemudian dilakukan melibatkan penggunaan alat desain untuk membuat rancangan. Berkat integrasi tersebut, AI bukan sekadar menyusun rekomendasi berbentuk teks, tetapi juga dirancang untuk menjalankan aktivitas teknis melalui sistem otomasi desain elektronik. Kemampuan tersebut diharapkan mempermudah insinyur dalam mengurangi proses manual tertentu.
Komponen utama lainnya adalah penggunaan reinforcement learning atau pembelajaran penguatan untuk meningkatkan kualitas model AI. Melalui metode pengembangan tersebut, sistem mengandalkan hasil evaluasi dari perangkat lunak desain dan pemecah masalah berbasis aturan untuk mengukur keberhasilan proses. Data evaluasi yang diperoleh dapat digunakan meningkatkan kemampuan model ketika menangani kebutuhan rekayasa lainnya. Sebagai contoh, sistem dapat mengevaluasi beberapa pilihan rancangan berdasarkan luas area chip dan batasan yang telah ditetapkan. Dengan menghubungkan hasil pengujian dan proses pembelajaran, Cadence menargetkan penyempurnaan kualitas keputusan otomatis secara bertahap. Kendati menawarkan otomatisasi yang lebih luas, verifikasi oleh insinyur terus memegang peranan sebagai 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 mengungkapkan efisiensi penggunaan token hingga lima kali lebih tinggi. Istilah token merujuk pada unit informasi yang diproses model AI ketika menganalisis masukan. Ketika jumlah token dapat dioptimalkan, biaya pemrosesan mungkin lebih terkendali. Meski hasil tersebut menjanjikan, pencapaian tersebut merupakan hasil awal dan belum tentu dapat diterapkan pada setiap rancangan chip atau seluruh beban kerja. Karena itu, pengujian lanjutan masih menjadi langkah penting untuk memastikan manfaat operasional pada kebutuhan rekayasa yang beragam.
Potensi peningkatan produktivitas berkaitan dengan strategi Maestro yang menyeimbangkan penggunaan model AI dengan perangkat lunak rekayasa yang dirancang untuk tugas tertentu. Sebagai alternatif dari penggunaan model bahasa besar untuk setiap proses teknis, sistem dapat mengarahkan tugas kepada alat yang paling sesuai. Sebagai ilustrasi, perhitungan atau validasi teknis dapat dilakukan oleh perangkat EDA, sedangkan model AI berperan dalam interpretasi instruksi dan koordinasi pekerjaan. Pembagian tugas semacam ini dapat membantu menekan pemrosesan yang kurang efisien. Melalui strategi ini, pengembang chip memiliki peluang peningkatan produktivitas sekaligus proses pengembangan yang lebih terukur.
Masa Depan Teknologi Desain Chip dengan Dukungan AI Cadence
Kehadiran portofolio AI Maestro menjadi langkah penting dalam pengembangan rekayasa elektronik modern. Dengan menggabungkan model khusus, Cadence AI Super Agents, dan perangkat lunak EDA, sistem tersebut dirancang untuk memperbaiki kualitas proses perancangan. Dukungan pengoperasian 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 adopsi industri yang lebih besar akan bergantung pada pengembangan dan evaluasi lanjutan. Di tengah kemajuan kecerdasan buatan, Maestro memperlihatkan potensi AI yang berfokus pada pekerjaan teknis. Bagaimana menurut Anda mengenai pengembangan model AI khusus industri? Sampaikan pandangan Anda tentang peluang dan tantangan inovasi ini.
