Bessere Ergebnisse und höhere Token-Effizienz in Engineering-Workflows KI-Lösungen für Halbleiter- und Systemdesign

Anbieter zum Thema

Cadence Design Systems GmbH

CADFEM Germany GmbH

ITWH Inst.f.technisch- wissensch. Hydrologie GmbH

CAD+T Solutions GmbH

Cadence präsentiert das Maestro KI-Modell-Portfolio. Es soll Engineering-Workflows im Halbleiter- und Systemdesign durch tief integrierte KI-Agenten und Reinforcement Learning optimieren und verspricht deutliche Leistungssteigerungen sowie flexible Bereitstellungsoptionen (Cloud/On-Premises).

Cadence veröffentlicht das Maestro KI-Modell-Portfolio, welches das Herzstück der Cadence KI-Super-Agenten in Halbleiter- und Systemdesign-Workflows bildet. Durch die Integration dieser Modelle mit Reinforcement Learning (RL)-Schleifen und den Tools für Electronic Design Automation (EDA) und System Design Automation (SDA) liefert Cadence eine tief integrierte, agentenbasierte Engineering-Plattform. Diese wurde entwickelt, um Ergebnisse zu verbessern, die Markteinführung zu beschleunigen und die Leistung durch rekursive Selbstoptimierung kontinuierlich zu steigern.

Die Maestro-Technologie bietet Kunden eine sichere, von Cadence verwaltete Plattform, die domänenspezifische Intelligenz und Expertise mit der Kontrolle, Auswahl und Flexibilität kombiniert, die sie für sichere Innovationen benötigen. Das Maestro-Portfolio umfasst mehrere Modellgrößen und -architekturen und kombiniert domänenspezifische, nachgeschulte Large Language Models (LLMs), trainierte Entscheidungsmodelle und selbstlernende Agenten-Fähigkeiten. Integriert mit Cadence KI-Super-Agenten – einschließlich der AuraStack, ChipStack, InnoStack und ViraStack KI-Super-Agenten – sowie den bewährten EDA- und SDA-Tools und Reinforcement Learning, bringt das Maestro-Portfolio spezialisierte Intelligenz in komplexe Engineering-Workflows. Dies geschieht durch eine optimale Mischung aus bahnbrechenden, Open-Weight- und domänenspezifischen Modellen in Cloud- und On-Premises-Umgebungen.

Anirudh Devgan, Präsident und CEO von Cadence, erklärte, dass die Revolutionierung komplexer Engineering-Aufgaben tiefe, domänenspezifische Intelligenz erfordere. Die Kombination des Maestro-Portfolios an domänenspezifischen Modellen mit führenden bahnbrechenden und Open-Weight-Modellen ermögliche es den KI-Super-Agenten, Cadence EDA- und SDA-Tools mit außergewöhnlichem Können und hoher Effizienz zu steuern, um das Chip- und Systemdesign zu transformieren.

Tim Costa, Vice President und General Manager für Industrial and Computational Engineering bei Nvidia, betonte, dass agentenbasiertes Chipdesign eine KI erfordere, die Design-Inhalte generieren, Kompromisse bewerten und aus verifizierten Engineering-Ergebnissen lernen könne. Die Zusammenarbeit mit Cadence bringe Nvidia Nemotron, OpenShell und tiefes Engineering-Know-how in die domänenspezifischen Modelle von Maestro ein. Indem Reinforcement Learning auf Feedback von EDA-Tools und deterministischen Solvern gestützt werde, könne man Agenten beibringen, bessere Designentscheidungen zu treffen, basierend darauf, wie gut ihre Arbeit Engineering-Ziele und Randbedingungen erfülle.

Hisato Yoshida, COO von Socionext, berichtete, dass sein Unternehmen den InnoStack KI-Super-Agenten von Cadence in der Produktions-Designumgebung einsetze. Durch die Kombination von agentenbasierter KI mit fortschrittlichen EDA-Tools für das physische Design erwarte man eine Produktivitätssteigerung von insgesamt bis zu 5x bei gleichbleibender Designqualität. Das Maestro-Portfolio werde als der nächste Schritt gesehen, um eine noch größere Effizienz im gesamten Designprozess zu erreichen.

Garima Sharda, Vice President of Engineering bei Silicon Labs, hob hervor, dass Ultra-Low-Power-Geräte Innovationen über Disziplinen hinweg erfordern würden und agentenbasierte KI neue Möglichkeiten zur Energieeinsparung erschließe. Durch die Nutzung von Cadence Verisium Debug als Teil des ChipStack KI-Super-Agenten hätten die Engineering-Teams eine Beschleunigung bei der Ursachenanalyse und dem End-to-End-Debugging während der Pre-Silicon-Low-Power-Verifizierung erreicht. Man freue sich darauf, durch die domänenspezifischen Maestro-Modelle von Cadence weitere Vorteile zu erzielen.

Eine Lernumgebung für Engineering-Workflows

Erste Ergebnisse zeigen nach Angaben des Anbieters eine Verbesserung der Ergebnisqualität um bis zu 30 Prozent und eine bis zu 5-mal höhere Token-Effizienz im Vergleich zu universellen Basismodellen. Diese Gewinne resultieren aus einer vertikal integrierten Lernumgebung, die Cadence-Domänenwissen, kuratierte Engineering-Datensätze, KI-Super-Agenten, EDA- und SDA-Tools sowie Evaluierungs-Harnesses kombiniert. Die prinzipienbasierten Algorithmen und deterministischen Solver von Cadence bewerten die Ergebnisse anhand von Engineering-Zielen, Randbedingungen und Ground Truth (Grundwahrheiten) und schaffen so geschlossene und verifizierte Feedback-Schleifen für Reinforcement Learning und rekursive Verbesserung.

Domänenintelligenz mit intelligenter Modellwahl

Die Cadence-Lernumgebung vereinigt komplementäre KI-Fähigkeiten in einem einzigen Workflow. Open-Weight-Modelle bieten breite Sprach-, Schlussfolgerungs- und multimodale Fähigkeiten; das Maestro KI-Modell-Portfolio liefert Domänenexpertise für komplexes Chip- und Systemdesign. Ausgehend von einem übergeordneten Ziel interpretieren Cadence KI-Super-Agenten die Designabsicht, zerlegen Aufgaben, orchestrieren das Maestro-Portfolio mit anderen Modellen und Open-Weight-Modellen und steuern die Cadence EDA- und SDA-Tools. Die kombinierte Lösung interpretiert Spezifikationen, generiert Designinhalte, analysiert Ergebnisse, bewertet Kompromisse und leitet Entscheidungen basierend auf Engineering-Anforderungen, Kosten und Sicherheit. Das Maestro-Portfolio, einschließlich Nvidia Nemotron und anderer Modelle, kann zusätzlich auf proprietären Daten, Designs und Workflows eines Kunden nachgeschult werden. Durch das Ausbalancieren von EDA- und SDA-Tool-Aufrufen mit LLM-Aufrufen wird der Token-Verbrauch signifikant reduziert, während die Ausführungseffizienz erhalten bleibt.

Die vollständige agentenbasierte Umgebung von Cadence – einschließlich der KI-Super-Agenten, des Maestro KI-Modell-Portfolios und der EDA-Tools – kann auf der sicheren Cloud-Plattform von Cadence, in sicheren öffentlichen Clouds oder in einer vom Kunden kontrollierten On-Premises-Umgebung ausgeführt werden, um Anforderungen an Datenschutz, Sicherheit und Bereitstellung zu erfüllen. Cadence und Nvidia arbeiten zudem gemeinsam an der Agenten-Sicherheit durch die Integration mit der Nvidia OpenShell Referenzarchitektur.

Verfügbarkeit

Die ersten Maestro-Modelle sind für ausgewählte Early-Access-Kunden im vierten Quartal 2026 verfügbar. Weitere Informationen finden Sie unter https://www.cadence.com/

Pilotprojekt von Schneider Electric, Aveva, Nscale und Start Campus

Digitale Zwillinge für KI-Rechenzentren