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 memperkenalkan portofolio model kecerdasan buatan bernama Maestro untuk mengoptimalkan proses perancangan chip dan sistem elektronik. Pengembangan tersebut merupakan langkah strategis dalam penerapan artificial intelligence pada bidang electronic design automation atau EDA. Selama ini, para insinyur berupaya menyelesaikan serangkaian proses teknis kompleks yang membutuhkan ketelitian tinggi dan waktu pengerjaan panjang. Berkat portofolio AI baru ini, Cadence berupaya membantu para pengembang dalam menganalisis rancangan menggunakan agen kecerdasan buatan yang dirancang untuk pekerjaan rekayasa. Pendekatan ini dapat membantu memperbaiki efisiensi kerja tanpa menghilangkan kebutuhan pengawasan insinyur profesional.

Portofolio Maestro tidak hanya merupakan model bahasa umum yang merespons instruksi pengguna, melainkan dikembangkan secara spesifik untuk membantu pengembangan semikonduktor. Melalui arsitektur yang digunakan, Maestro terhubung dengan Cadence AI Super Agents dan perangkat lunak desain yang telah digunakan ekosistem perusahaan. Integrasi tersebut memberikan kemampuan kepada agen AI untuk memahami tujuan perancangan, kemudian membagi pekerjaan menjadi beberapa tahapan yang lebih terstruktur. Rangkaian pekerjaan tersebut menggabungkan model AI, alat analisis, dan sistem verifikasi untuk menilai kualitas rancangan. Dengan mekanisme tersebut, Cadence menghadirkan lingkungan kerja yang lebih responsif terhadap tantangan desain modern.

Kemampuan On-Premises Maestro untuk Menjaga Data Desain Chip

Fitur penting yang dihadirkan Maestro adalah kemampuan menjalankan sistem pada berbagai lingkungan komputasi. Perusahaan pengguna bisa menerapkan model AI melalui layanan cloud Cadence, cloud publik, atau pusat data milik sendiri. Pilihan terakhir 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 sering merupakan aset intelektual bernilai tinggi. Melalui penerapan lokal, perusahaan mempunyai peluang menjaga data tersebut dalam jaringan internal perusahaan tanpa perlu menyerahkan seluruh proses ke layanan eksternal.

Fleksibilitas infrastruktur internal turut menghadirkan manfaat dalam pengendalian akses. Organisasi pengguna bisa mengelola mekanisme keamanan sesuai dengan ketentuan perusahaan. Selain itu, penerapan lokal berpotensi membantu integrasi Maestro dengan sistem desain milik perusahaan. Namun demikian, menjalankan model AI secara mandiri tetap membutuhkan infrastruktur komputasi yang mampu menangani beban pemrosesan. Pengguna korporasi harus menghitung kebutuhan perangkat keras, konsumsi energi, pemeliharaan sistem, dan biaya operasional jangka panjang. Dengan mempertimbangkan faktor tersebut, pilihan antara cloud dan penggunaan lokal harus dipertimbangkan berdasarkan kapasitas teknis masing-masing perusahaan.

Dukungan Teknologi Nvidia untuk Kecerdasan Buatan Desain Chip

Inovasi kecerdasan buatan tersebut 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 memungkinkan pengembangan untuk berbagai kebutuhan khusus. Berkat penggunaan teknologi Nvidia, Cadence membangun kemampuan AI yang lebih sesuai dengan kebutuhan rekayasa elektronik. Pendekatan tersebut menyatukan kemampuan pemrosesan bahasa dan penalaran AI dengan pengalaman rekayasa elektronik. Penggabungan tersebut dirancang untuk membantu agen AI mengevaluasi pilihan desain berdasarkan parameter yang terukur.

Di samping dukungan model AI, Cadence dan Nvidia juga bekerja sama untuk memperkuat perlindungan sistem otomatis. Komponen keamanan yang menjadi perhatian adalah Nvidia OpenShell Reference Architecture. Sistem pendukung tersebut ditujukan untuk membantu menjalankan agen AI dalam infrastruktur yang memiliki kendali keamanan. Dalam bidang desain chip, perlindungan tersebut memiliki peran besar karena sistem dapat memanfaatkan dokumen desain, konfigurasi perangkat, dan informasi teknis sensitif. Walaupun pendekatan ini menjanjikan, keamanan penerapan AI tidak cukup ditentukan oleh arsitektur perangkat lunak. Pengawasan aktivitas, pembaruan sistem, dan pemeriksaan hasil pekerjaan masih diperlukan untuk mengurangi risiko.

Teknologi Reinforcement Learning untuk Meningkatkan Kualitas Desain Chip

Sistem kecerdasan buatan tersebut menggunakan arsitektur pengembangan khusus yang mengintegrasikan model AI dengan perangkat lunak electronic design automation dan system design automation. Dalam proses ini, Cadence AI Super Agents memproses tujuan desain yang diberikan oleh insinyur. Selanjutnya, agen AI menganalisis kebutuhan tersebut menjadi tugas yang lebih spesifik. Proses berikutnya melibatkan pemanfaatan perangkat analisis untuk mengevaluasi alternatif solusi. Melalui mekanisme tersebut, AI tidak terbatas pada pembuatan rekomendasi berbentuk teks, tetapi juga dapat mengarahkan aktivitas teknis melalui sistem otomasi desain elektronik. Kemampuan tersebut berpotensi membantu insinyur dalam menangani pekerjaan berulang.

Bagian menarik dari sistem Maestro adalah penggunaan reinforcement learning atau pembelajaran penguatan untuk mengoptimalkan hasil model AI. Melalui metode pengembangan tersebut, sistem memanfaatkan hasil evaluasi dari perangkat lunak desain dan pemecah masalah berbasis aturan untuk mengukur keberhasilan proses. Umpan balik tersebut dimanfaatkan meningkatkan kemampuan model ketika menangani kebutuhan rekayasa lainnya. Sebagai contoh, sistem dapat mengevaluasi beberapa pilihan rancangan berdasarkan konsumsi daya dan batasan yang berlaku pada proyek. Melalui integrasi antara 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.

Hasil Awal Maestro Menunjukkan Peningkatan Kualitas dan Efisiensi

Dalam pengujian awal yang disampaikan perusahaan, Maestro menunjukkan peningkatan kualitas hasil desain hingga 30 persen dibandingkan model AI serbaguna yang digunakan sebagai pembanding. Selain peningkatan kualitas, Cadence juga melaporkan efisiensi penggunaan token hingga lima kali lebih tinggi. Dalam sistem model bahasa, token adalah unit informasi yang digunakan model AI ketika menghasilkan keluaran. Semakin efisien penggunaannya, 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. Oleh sebab itu, pengujian lanjutan tetap diperlukan untuk memastikan manfaat operasional pada lingkungan produksi berbeda.

Potensi peningkatan produktivitas berkaitan dengan strategi Maestro yang menggabungkan penggunaan model AI dengan perangkat lunak rekayasa yang dirancang untuk tugas tertentu. Alih-alih mengandalkan model bahasa besar untuk seluruh tahapan pekerjaan, sistem dirancang untuk mendistribusikan tugas kepada alat yang paling sesuai. Sebagai ilustrasi, perhitungan atau validasi teknis dapat dilakukan oleh perangkat EDA, sedangkan model AI membantu proses interpretasi instruksi dan koordinasi pekerjaan. Pendekatan tersebut memungkinkan penghematan pemrosesan yang tidak diperlukan. Melalui strategi ini, pengembang chip berpotensi mendapatkan peningkatan produktivitas sekaligus proses pengembangan yang lebih terukur.

Prospek Pengembangan Semikonduktor melalui Inovasi Maestro

Inovasi kecerdasan buatan dari Cadence Design Systems menandai perkembangan menarik dalam transformasi proses desain chip. Melalui integrasi model khusus, Cadence AI Super Agents, dan perangkat lunak EDA, sistem tersebut diharapkan mendukung efisiensi pekerjaan insinyur. Kemampuan menjalankan Maestro melalui cloud maupun pusat data lokal turut menawarkan keuntungan bagi perusahaan yang membutuhkan kendali infrastruktur. Sementara itu, dukungan Nvidia Nemotron dan OpenShell memperluas kemampuan pengembangan model serta pengelolaan lingkungan komputasi. Tahap awal penerapan Maestro direncanakan untuk pelanggan terpilih melalui program akses awal pada kuartal keempat 2026, sehingga penerapannya secara luas tetap memerlukan pengembangan dan evaluasi lanjutan. Di tengah kemajuan kecerdasan buatan, Maestro menjadi contoh penerapan AI yang dirancang untuk kebutuhan khusus. Bagaimana menurut Anda mengenai penggunaan AI dalam desain chip? Bagikan pendapat Anda tentang peluang dan tantangan inovasi ini.