Adu Cepat Desain Chip, AI Cadence Klaim Efisiensi Token Lima Kali Lipat

JAKARTA - Hasil awal Maestro, portofolio model kecerdasan buatan (AI) baru dari Cadence, menunjukkan kualitas hasil naik hingga 30 persen dan efisiensi token hingga lima kali lipat. Angka itu dibandingkan dengan model dasar serbaguna.

Cadence memperkenalkan Portofolio Model AI Maestro untuk menopang Cadence AI Super Agents di seluruh alur kerja desain semikonduktor dan sistem. Isinya model bahasa besar (large language model/LLM) yang dilatih khusus bidang tertentu, model keputusan, serta keterampilan agen yang dapat memperbaiki dirinya sendiri.

Portofolio itu bekerja bersama empat agen, yakni AuraStack, ChipStack, InnoStack, dan ViraStack, serta alat otomatisasi desain elektronik (electronic design automation/EDA) dan otomatisasi desain sistem (system design automation/SDA).

Presiden dan CEO Cadence Anirudh Devgan menilai, pekerjaan teknik yang rumit menuntut kecerdasan mendalam yang khusus untuk bidangnya. "Model-model khusus domain kami memungkinkan AI Super Agents menggerakkan alat-alat EDA dan SDA Cadence dengan keterampilan dan efisiensi yang luar biasa," ujar Anirudh.

Belajar dari Hasil

Kunci peningkatan itu terletak pada lingkungan pembelajaran yang terintegrasi secara vertikal. Lingkungan ini memadukan pengetahuan domain Cadence, data teknik terkurasi, agen, alat EDA dan SDA, serta rangkaian evaluasi. Algoritme dan pemecah masalah deterministik menilai hasil berdasarkan tujuan teknik, batasan, dan kebenaran dasar, sehingga tercipta putaran umpan balik tertutup untuk pembelajaran penguatan.

NVIDIA, mitra Cadence, menilai agen dapat belajar dari mutu kerjanya. "Dengan mendasarkan pembelajaran penguatan pada umpan balik dari alat EDA dan pemecah masalah deterministik, kami dapat mengajarkan agen untuk membuat keputusan desain yang lebih baik," kata Wakil Presiden dan Manajer Umum Bidang Rekayasa Industri dan Komputasi NVIDIA Tim Costa.

Dari tujuan tingkat tinggi, agen menafsirkan maksud desain, menguraikan tugas, lalu mengoordinasikan Maestro dengan model terdepan dan model bobot terbuka lain. Maestro, termasuk NVIDIA Nemotron, dapat dilatih lebih lanjut dengan data milik pelanggan. Menyeimbangkan pemanggilan alat dan pemanggilan LLM disebut menekan penggunaan token secara signifikan.

Diuji Pelanggan

Socionext telah menerapkan InnoStack di lingkungan desain produksinya. Direktur Operasional (COO) Socionext Hisato Yoshida memperkirakan produktivitas keseluruhan naik hingga lima kali lipat tanpa menurunkan kualitas desain. "Kami melihat portofolio Maestro sebagai langkah selanjutnya," ujar Hisato.

Silicon Labs memakai Cadence Verisium Debug sebagai bagian dari ChipStack. Wakil Presiden Bidang Teknik Silicon Labs Garima Sharda mengungkapkan, timnya mempercepat analisis akar masalah dan proses debug ujung ke ujung saat verifikasi daya rendah pra-silicon.

Di sisi lain, seluruh angka itu masih berupa hasil awal atau perkiraan pelanggan. Model Maestro pertama baru tersedia bagi pelanggan akses awal terpilih pada kuartal keempat 2026. Lingkungan agennya dapat berjalan di komputasi awan yang aman atau di lokasi pelanggan (on-premises) demi menjaga privasi data.