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
Perusahaan pengembang perangkat lunak desain elektronik Cadence memperkenalkan portofolio model kecerdasan buatan bernama Maestro untuk mempercepat proses perancangan chip dan sistem elektronik. Peluncuran teknologi tersebut menandai kemajuan baru dalam penerapan artificial intelligence pada bidang electronic design automation atau EDA. Selama ini, para insinyur berupaya menyelesaikan berbagai pekerjaan rumit yang membutuhkan ketelitian tinggi dan waktu pengerjaan panjang. Melalui Maestro, Cadence ingin mendukung para pengembang dalam mengevaluasi desain menggunakan agen kecerdasan buatan yang memahami kebutuhan teknik. Pengembangan teknologi tersebut berpotensi meningkatkan efisiensi kerja tanpa menggantikan sepenuhnya peran pengawasan insinyur profesional.
Portofolio Maestro tidak hanya merupakan model bahasa umum yang memberikan jawaban percakapan, melainkan dirancang khusus untuk menangani pekerjaan desain chip. Melalui arsitektur yang digunakan, Maestro terhubung dengan Cadence AI Super Agents dan perangkat lunak desain yang telah digunakan ekosistem perusahaan. Pendekatan terpadu tersebut membantu agen AI untuk menginterpretasikan spesifikasi teknik, kemudian menyusun proses menjadi beberapa tahapan yang mudah dikelola. Proses yang dijalankan memungkinkan penggunaan model AI, alat analisis, dan sistem verifikasi untuk memeriksa hasil. Melalui penggabungan kemampuan ini, Cadence berupaya menciptakan lingkungan kerja yang lebih otomatis terhadap perkembangan industri semikonduktor.
Fleksibilitas Penggunaan AI Maestro melalui Cloud dan Infrastruktur Internal
Fitur penting yang disediakan Maestro adalah kemampuan menjalankan sistem pada berbagai lingkungan komputasi. Perusahaan pengguna bisa menerapkan model AI melalui layanan cloud Cadence, cloud publik, atau lingkungan komputasi lokal. Pendekatan on-premises tersebut menjadi sangat penting bagi perusahaan semikonduktor yang menangani informasi desain bersifat rahasia. Pada kegiatan rekayasa semikonduktor, data seperti arsitektur rangkaian, konfigurasi transistor, dan spesifikasi produk dapat menjadi aset intelektual bernilai tinggi. Dengan menggunakan infrastruktur sendiri, perusahaan dapat mempertahankan data tersebut dalam sistem keamanan organisasi tanpa perlu menyerahkan seluruh proses ke layanan eksternal.
Dukungan penerapan on-premises turut menghadirkan manfaat dalam penerapan kebijakan perlindungan data. Perusahaan dapat mengelola mekanisme keamanan sesuai dengan standar internal. Tidak hanya berkaitan dengan keamanan, penerapan lokal berpotensi membantu integrasi Maestro dengan sistem desain milik perusahaan. Meskipun memiliki banyak keuntungan, menjalankan model AI secara mandiri mengandalkan infrastruktur komputasi yang memadai. Perusahaan juga perlu menghitung kebutuhan perangkat keras, konsumsi energi, pemeliharaan sistem, dan pengeluaran pengelolaan infrastruktur. Dengan mempertimbangkan faktor tersebut, pilihan antara cloud dan penggunaan lokal sebaiknya disesuaikan berdasarkan prioritas keamanan masing-masing perusahaan.
Peran Nvidia Nemotron dan OpenShell pada Model AI Maestro
Penyempurnaan portofolio AI Cadence mendapat dukungan dari Nvidia, perusahaan teknologi yang memiliki keunggulan dalam 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 berbagai kebutuhan khusus. Melalui pemanfaatan Nemotron, Cadence membangun kemampuan AI yang lebih terarah dengan pekerjaan perancangan chip. Strategi pengembangan bersama menyatukan kemampuan pemrosesan bahasa dan penalaran AI dengan pengalaman rekayasa elektronik. Kombinasi ini ditujukan untuk memungkinkan model khusus mengevaluasi pilihan desain berdasarkan persyaratan desain.
Di samping dukungan model AI, Cadence dan Nvidia mengembangkan pendekatan bersama untuk mendukung penggunaan kecerdasan buatan yang terkendali. Komponen keamanan yang menjadi perhatian adalah Nvidia OpenShell Reference Architecture. Arsitektur keamanan ini ditujukan untuk membantu menjalankan agen AI dalam infrastruktur yang memiliki kendali keamanan. Ketika agen AI menangani pekerjaan rekayasa, perlindungan tersebut menjadi penting karena sistem dapat mengakses dokumen desain, konfigurasi perangkat, dan aset intelektual perusahaan. Meski membawa potensi positif, keamanan penerapan AI tidak cukup ditentukan oleh arsitektur perangkat lunak. Pengelolaan izin, 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 menghubungkan model AI dengan perangkat lunak electronic design automation dan system design automation. Dalam proses ini, Cadence AI Super Agents memahami tujuan desain yang diberikan oleh insinyur. Selanjutnya, agen AI menganalisis kebutuhan tersebut menjadi serangkaian pekerjaan. Proses berikutnya melibatkan penggunaan alat desain untuk mengevaluasi alternatif solusi. Melalui mekanisme tersebut, AI bukan sekadar menyusun rekomendasi berbentuk teks, tetapi juga dapat mengarahkan aktivitas teknis melalui perangkat lunak yang relevan. Kemampuan tersebut berpotensi membantu insinyur dalam menangani pekerjaan berulang.
Bagian menarik dari sistem Maestro adalah penggunaan reinforcement learning atau pembelajaran penguatan untuk menyempurnakan kemampuan model AI. Dalam mekanisme ini, sistem memanfaatkan hasil evaluasi dari perangkat lunak desain dan pemecah masalah berbasis aturan untuk mengukur keberhasilan proses. Informasi hasil pengujian berperan dalam meningkatkan kemampuan model ketika menangani kebutuhan rekayasa lainnya. Sebagai contoh, sistem dapat mengevaluasi beberapa pilihan rancangan berdasarkan konsumsi daya dan batasan yang telah ditetapkan. Berkat penggabungan hasil pengujian dan proses pembelajaran, Cadence ingin memperbaiki kualitas keputusan otomatis secara lebih sistematis. Kendati menawarkan otomatisasi yang lebih luas, verifikasi oleh insinyur terus memegang peranan sebagai bagian penting dari proses rekayasa yang andal.
Potensi Penghematan Token AI dan Perbaikan Hasil Desain Chip
Dalam pengujian awal yang disampaikan perusahaan, Maestro mencatat peningkatan kualitas hasil desain hingga 30 persen dibandingkan model AI serbaguna yang digunakan sebagai pembanding. Di samping hasil desain yang lebih baik, Cadence juga melaporkan efisiensi penggunaan token hingga lima kali lebih tinggi. Dalam sistem model bahasa, token adalah unit informasi yang digunakan model AI ketika menerima instruksi. Apabila kebutuhan token dapat dikurangi, biaya pemrosesan berpotensi menjadi lebih rendah. Meski hasil tersebut menjanjikan, pencapaian tersebut masih berasal dari evaluasi awal dan tidak otomatis berlaku pada setiap rancangan chip atau seluruh beban kerja. Karena itu, pengujian lanjutan perlu dilakukan untuk menilai kinerja nyata pada berbagai proyek industri.
Potensi peningkatan produktivitas berkaitan dengan strategi Maestro yang mengombinasikan penggunaan model AI dengan perangkat lunak rekayasa yang dirancang untuk tugas tertentu. Daripada hanya menggunakan model bahasa besar untuk setiap proses teknis, sistem dapat mengarahkan tugas kepada alat yang memiliki kemampuan khusus. Sebagai ilustrasi, perhitungan atau validasi teknis bisa dijalankan oleh perangkat EDA, sedangkan model AI berperan dalam interpretasi instruksi dan koordinasi pekerjaan. Arsitektur yang terintegrasi tersebut dapat membantu menekan pemrosesan yang tidak diperlukan. Sebagai hasil yang diharapkan, pengembang chip berpotensi mendapatkan peningkatan produktivitas sekaligus proses pengembangan yang lebih terukur.
Masa Depan Teknologi Desain Chip dengan Dukungan AI Cadence
Inovasi kecerdasan buatan dari Cadence Design Systems menjadi langkah penting dalam transformasi proses desain chip. Melalui integrasi 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 membutuhkan kendali infrastruktur. Di sisi lainnya, 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 adopsi industri yang lebih besar akan bergantung pada pengembangan dan evaluasi lanjutan. Di tengah kemajuan kecerdasan buatan, Maestro menjadi contoh penerapan AI yang berfokus pada pekerjaan teknis. Seperti apa pendapat Anda mengenai penggunaan AI dalam desain chip? Ceritakan pemikiran Anda tentang manfaat AI bagi pekerjaan rekayasa.
