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
Perusahaan pengembang perangkat lunak desain elektronik Cadence mengumumkan portofolio model kecerdasan buatan bernama Maestro untuk mempercepat proses perancangan chip dan sistem elektronik. Inovasi terbaru ini merupakan langkah strategis dalam penerapan artificial intelligence pada bidang electronic design automation atau EDA. Selama ini, para insinyur menghadapi banyak tantangan rekayasa yang membutuhkan ketelitian tinggi dan evaluasi mendalam. Melalui Maestro, Cadence berupaya membantu para pengembang dalam menganalisis rancangan menggunakan agen kecerdasan buatan yang memiliki kemampuan khusus di bidang desain elektronik. Pendekatan ini berpotensi meningkatkan efisiensi kerja tanpa meniadakan pentingnya pengawasan insinyur profesional.
Maestro bukan sekadar model bahasa umum yang memberikan jawaban percakapan, melainkan dikembangkan secara spesifik untuk mendukung rekayasa sistem elektronik. Dalam penerapannya, Maestro terhubung dengan Cadence AI Super Agents dan perangkat lunak desain yang tersedia dalam ekosistem perusahaan. Pendekatan terpadu tersebut memungkinkan agen AI untuk menginterpretasikan spesifikasi teknik, kemudian menyusun proses menjadi beberapa tahapan yang lebih terstruktur. Rangkaian pekerjaan tersebut memungkinkan penggunaan model AI, alat analisis, dan sistem verifikasi untuk mengevaluasi kesesuaian desain. Melalui penggabungan kemampuan ini, Cadence menghadirkan lingkungan kerja yang lebih responsif terhadap kebutuhan insinyur.
Keunggulan Maestro yang Dapat Dijalankan di Pusat Data Lokal
Aspek paling menarik yang disediakan Maestro adalah kebebasan memilih infrastruktur pada berbagai lingkungan komputasi. Organisasi yang mengadopsi teknologi tersebut dapat menjalankan model AI melalui layanan cloud Cadence, cloud publik, atau lingkungan komputasi lokal. Pilihan terakhir menjadi sangat penting bagi perusahaan semikonduktor yang mengelola informasi desain bersifat rahasia. Pada kegiatan rekayasa semikonduktor, data seperti arsitektur rangkaian, konfigurasi transistor, dan spesifikasi produk termasuk dalam informasi bisnis yang sensitif. Berkat pilihan pengoperasian internal, perusahaan lebih mudah mengendalikan data tersebut dalam jaringan internal perusahaan tanpa wajib mengirimkan semua data ke layanan eksternal.
Fleksibilitas infrastruktur internal turut menghadirkan manfaat dalam pengendalian akses. Organisasi pengguna bisa mengelola mekanisme keamanan sesuai dengan ketentuan perusahaan. 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 tetap membutuhkan infrastruktur komputasi yang sesuai kebutuhan. Perusahaan juga perlu mempertimbangkan kebutuhan perangkat keras, konsumsi energi, pemeliharaan sistem, dan pengeluaran pengelolaan infrastruktur. Dengan mempertimbangkan faktor tersebut, pilihan antara cloud dan penggunaan lokal perlu ditentukan berdasarkan kebutuhan bisnis masing-masing perusahaan.
Kolaborasi Cadence dan Nvidia dalam Mengembangkan Maestro
Inovasi kecerdasan buatan tersebut melibatkan Nvidia, perusahaan teknologi yang dikenal melalui pengembangan perangkat keras dan model kecerdasan buatan. Bagian utama dari kolaborasi tersebut adalah Nvidia Nemotron, yaitu keluarga model AI dengan bobot terbuka yang bisa digunakan untuk pengembangan model terspesialisasi. Melalui pemanfaatan Nemotron, Cadence membangun kemampuan AI yang lebih sesuai dengan pekerjaan perancangan chip. Kerja sama teknologi ini memadukan kemampuan pemrosesan bahasa dan penalaran AI dengan pengalaman rekayasa elektronik. Penggabungan tersebut dirancang untuk memungkinkan model khusus mengevaluasi pilihan desain berdasarkan persyaratan desain.
Selain Nemotron, Cadence dan Nvidia turut menjajaki integrasi untuk mendukung penggunaan kecerdasan buatan yang terkendali. Salah satu teknologi yang digunakan adalah Nvidia OpenShell Reference Architecture. Sistem pendukung tersebut ditujukan untuk membantu menjalankan agen AI dalam lingkungan yang lebih aman. Pada penggunaan perangkat lunak EDA, perlindungan tersebut menjadi penting karena sistem dapat mengolah 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 mengurangi risiko.
Integrasi AI Super Agents dan Perangkat Lunak EDA pada Maestro
Portofolio AI Cadence memanfaatkan pendekatan terintegrasi 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 berasal dari kebutuhan proyek. Selanjutnya, agen AI membagi kebutuhan tersebut menjadi serangkaian pekerjaan. Tahapan selanjutnya melibatkan pemanfaatan perangkat analisis untuk mengevaluasi alternatif solusi. Dengan pendekatan ini, AI tidak terbatas pada pembuatan rekomendasi berbentuk teks, tetapi juga mampu mendukung aktivitas teknis melalui sistem otomasi desain elektronik. Rancangan tersebut diharapkan mempermudah insinyur dalam mempercepat evaluasi desain.
Salah satu aspek penting adalah penggunaan reinforcement learning atau pembelajaran penguatan untuk menyempurnakan kemampuan model AI. Pada pendekatan pembelajaran tersebut, sistem mengandalkan 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 mengevaluasi beberapa pilihan rancangan berdasarkan konsumsi daya dan batasan yang ditentukan sebelumnya. Berkat penggabungan hasil pengujian dan proses pembelajaran, Cadence menargetkan penyempurnaan kualitas keputusan otomatis secara berkelanjutan. Meskipun demikian, verifikasi oleh insinyur masih merupakan bagian penting dari proses rekayasa yang andal.
Potensi Penghematan Token AI dan Perbaikan Hasil Desain Chip
Berdasarkan hasil awal yang diumumkan Cadence, Maestro mencatat 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. Istilah token merujuk pada unit informasi yang dibaca model AI ketika menerima instruksi. Ketika jumlah token dapat dioptimalkan, biaya pemrosesan mungkin lebih terkendali. Meski hasil tersebut menjanjikan, pencapaian tersebut merupakan hasil awal dan tidak selalu bisa digeneralisasi pada setiap rancangan chip atau seluruh beban kerja. Oleh sebab itu, pengujian lanjutan perlu dilakukan untuk mengukur efektivitas penerapan pada berbagai proyek industri.
Potensi peningkatan produktivitas berkaitan dengan strategi Maestro yang menggabungkan penggunaan model AI dengan perangkat lunak rekayasa yang memiliki fungsi khusus. Sebagai alternatif dari penggunaan model bahasa besar untuk seluruh tahapan pekerjaan, sistem dapat mengarahkan tugas kepada alat yang relevan dengan kebutuhan. Pada pekerjaan rekayasa elektronik, 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 tidak diperlukan. Melalui strategi ini, pengembang chip dapat memperoleh kesempatan peningkatan produktivitas sekaligus pengelolaan biaya yang lebih baik.
Kesimpulan: Maestro Membuka Peluang Baru bagi Industri Semikonduktor
Inovasi kecerdasan buatan dari Cadence Design Systems membuka peluang baru dalam penerapan AI pada industri semikonduktor. Dengan menggabungkan model khusus, Cadence AI Super Agents, dan perangkat lunak EDA, sistem tersebut berpotensi meningkatkan kecepatan pengembangan produk. Dukungan pengoperasian Maestro melalui cloud maupun pusat data lokal juga memberikan keuntungan bagi perusahaan yang memprioritaskan keamanan data. Sebagai penguatan teknologi, dukungan Nvidia Nemotron dan OpenShell melengkapi kemampuan pengembangan model serta mekanisme keamanan sistem otomatis. Ketersediaan awal portofolio tersebut disediakan kepada pelanggan terpilih melalui program akses awal pada kuartal keempat 2026, sehingga penerapannya secara luas akan bergantung pada pengembangan dan evaluasi lanjutan. Dalam perkembangan TEKNOLOGI, Maestro menjadi contoh penerapan AI yang dirancang untuk kebutuhan khusus. Bagaimana menurut Anda mengenai pengembangan model AI khusus industri? Bagikan pendapat Anda tentang peluang dan tantangan inovasi ini.
