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

Raksasa teknologi otomasi desain semikonduktor Cadence mengumumkan 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 harus menangani serangkaian proses teknis kompleks yang memerlukan ketelitian tinggi dan pengujian berulang. Melalui Maestro, Cadence menargetkan peningkatan kemampuan para pengembang dalam mengevaluasi desain menggunakan agen kecerdasan buatan yang memahami kebutuhan teknik. Pendekatan ini dapat membantu memperbaiki efisiensi kerja tanpa meniadakan pentingnya pengawasan insinyur profesional.

Maestro bukan sekadar model bahasa umum yang menghasilkan teks, melainkan dirancang khusus untuk menangani pekerjaan desain chip. Dalam penerapannya, Maestro diintegrasikan bersama Cadence AI Super Agents dan perangkat lunak desain yang tersedia dalam ekosistem perusahaan. Pendekatan terpadu tersebut memberikan kemampuan kepada agen AI untuk mengenali kebutuhan desain, kemudian menguraikan instruksi menjadi beberapa tahapan yang mudah dikelola. Proses yang dijalankan menggabungkan model AI, alat analisis, dan sistem verifikasi untuk menilai kualitas rancangan. Berkat pendekatan terintegrasi, Cadence berupaya menciptakan lingkungan kerja yang lebih otomatis terhadap kebutuhan insinyur.

Fleksibilitas Penggunaan AI Maestro melalui Cloud dan Infrastruktur Internal

Salah satu keunggulan utama yang dihadirkan Maestro adalah kemampuan menjalankan sistem pada berbagai lingkungan komputasi. Pelanggan Cadence memiliki pilihan mengoperasikan model AI melalui layanan cloud Cadence, cloud publik, atau infrastruktur internal perusahaan. Opsi penggunaan lokal menjadi sangat penting bagi perusahaan semikonduktor yang menyimpan 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 sistem keamanan organisasi tanpa perlu menyerahkan seluruh proses ke layanan eksternal.

Kemampuan menjalankan model secara lokal juga memberikan manfaat dalam penerapan kebijakan perlindungan data. Tim teknologi informasi memiliki kesempatan untuk mengelola mekanisme keamanan sesuai dengan ketentuan perusahaan. Selain itu, penerapan lokal dapat mendukung integrasi Maestro dengan sistem desain milik perusahaan. Meskipun memiliki banyak keuntungan, menjalankan model AI secara mandiri tetap membutuhkan infrastruktur komputasi yang mampu menangani beban pemrosesan. Organisasi yang menerapkannya tetap harus menghitung kebutuhan perangkat keras, konsumsi energi, pemeliharaan sistem, dan biaya operasional jangka panjang. Dengan mempertimbangkan faktor tersebut, pilihan antara cloud dan penggunaan lokal sebaiknya disesuaikan 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 pengembangan model terspesialisasi. Dengan dukungan model tersebut, Cadence mengembangkan kemampuan AI yang lebih relevan dengan kebutuhan rekayasa elektronik. Kerja sama teknologi ini menggabungkan kemampuan pemrosesan bahasa dan penalaran AI dengan pengetahuan teknik Cadence. Penggabungan tersebut dirancang untuk memungkinkan model khusus menganalisis kebutuhan rekayasa berdasarkan hasil verifikasi perangkat lunak.

Tidak hanya pada pengembangan kemampuan penalaran, Cadence dan Nvidia juga bekerja sama untuk mendukung penggunaan kecerdasan buatan yang terkendali. Pendekatan yang tengah diintegrasikan adalah Nvidia OpenShell Reference Architecture. Kerangka tersebut dirancang guna membantu menjalankan agen AI dalam infrastruktur yang memiliki kendali keamanan. Pada penggunaan perangkat lunak EDA, perlindungan tersebut menjadi penting karena sistem dapat mengolah dokumen desain, konfigurasi perangkat, dan informasi teknis sensitif. Meski membawa potensi positif, keamanan penerapan AI tidak hanya bergantung pada arsitektur perangkat lunak. Pengawasan aktivitas, pembaruan sistem, dan pemeriksaan hasil pekerjaan masih diperlukan untuk mendukung perlindungan menyeluruh.

Integrasi AI Super Agents dan Perangkat Lunak EDA pada Maestro

Portofolio AI Cadence memanfaatkan pendekatan terintegrasi 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. Setelah memahami instruksi, agen AI menganalisis kebutuhan tersebut menjadi beberapa tahapan teknis. Proses berikutnya melibatkan pengoperasian perangkat lunak rekayasa untuk mengevaluasi alternatif solusi. Dengan pendekatan ini, AI bukan sekadar menyusun rekomendasi berbentuk teks, tetapi juga mampu mendukung aktivitas teknis melalui perangkat lunak yang relevan. Kemampuan tersebut diharapkan mempermudah insinyur dalam menangani pekerjaan berulang.

Salah satu aspek penting adalah penggunaan reinforcement learning atau pembelajaran penguatan untuk mengoptimalkan hasil model AI. Pada pendekatan pembelajaran tersebut, sistem memanfaatkan hasil evaluasi dari perangkat lunak desain dan pemecah masalah berbasis aturan untuk menilai keputusan. Informasi hasil pengujian dapat digunakan meningkatkan kemampuan model ketika menghadapi tantangan berikutnya. Dalam penerapan teknis, sistem dapat membandingkan beberapa pilihan rancangan berdasarkan kinerja perangkat dan batasan yang ditentukan sebelumnya. Melalui integrasi antara hasil pengujian dan proses pembelajaran, Cadence berupaya meningkatkan kualitas keputusan otomatis secara bertahap. Meskipun demikian, verifikasi oleh insinyur masih merupakan bagian penting dari pengendalian mutu desain semikonduktor.

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. 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 dibaca model AI ketika menerima instruksi. Ketika jumlah token dapat dioptimalkan, biaya pemrosesan dapat ditekan dalam kondisi tertentu. Walaupun angka yang dilaporkan menarik, pencapaian tersebut merupakan hasil awal dan tidak otomatis berlaku pada setiap rancangan chip atau seluruh beban kerja. Dengan mempertimbangkan keterbatasan tersebut, pengujian lanjutan perlu dilakukan untuk mengukur efektivitas penerapan pada kebutuhan rekayasa yang beragam.

Potensi peningkatan produktivitas dapat dijelaskan melalui strategi Maestro yang mengombinasikan penggunaan model AI dengan perangkat lunak rekayasa yang memiliki fungsi khusus. Sebagai alternatif dari penggunaan model bahasa besar untuk setiap proses teknis, sistem dapat mengarahkan tugas kepada alat yang relevan dengan kebutuhan. Pada pekerjaan rekayasa elektronik, perhitungan atau validasi teknis dapat ditangani oleh perangkat EDA, sedangkan model AI berperan dalam interpretasi instruksi dan koordinasi pekerjaan. Arsitektur yang terintegrasi tersebut dapat membantu menekan pemrosesan yang berulang tanpa manfaat tambahan. Sebagai hasil yang diharapkan, pengembang chip dapat memperoleh kesempatan peningkatan produktivitas sekaligus penggunaan sumber daya lebih efisien.

Masa Depan Teknologi Desain Chip dengan Dukungan AI Cadence

Kehadiran portofolio AI Maestro membuka peluang baru dalam transformasi proses desain chip. Berkat pemanfaatan 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 memprioritaskan keamanan data. Di sisi lainnya, dukungan Nvidia Nemotron dan OpenShell memperluas kemampuan pengembangan model serta pengelolaan lingkungan komputasi. 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 memperlihatkan potensi AI yang dirancang untuk kebutuhan khusus. Apa pandangan Anda mengenai masa depan otomatisasi semikonduktor? Ceritakan pemikiran Anda tentang manfaat AI bagi pekerjaan rekayasa.