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 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 harus menangani banyak tantangan rekayasa yang memerlukan ketelitian tinggi dan waktu pengerjaan panjang. Berkat portofolio AI baru ini, Cadence ingin mendukung para pengembang dalam mengevaluasi desain 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 dirancang khusus untuk membantu pengembangan semikonduktor. Pada sistem yang dikembangkan, Maestro terhubung dengan Cadence AI Super Agents dan perangkat lunak desain yang menjadi bagian dari ekosistem perusahaan. Integrasi tersebut memberikan kemampuan kepada agen AI untuk mengenali kebutuhan desain, kemudian membagi pekerjaan menjadi beberapa tahapan yang lebih terstruktur. Rangkaian pekerjaan tersebut menggabungkan model AI, alat analisis, dan sistem verifikasi untuk memeriksa hasil. Dengan mekanisme tersebut, Cadence menargetkan pengembangan lingkungan kerja yang lebih otomatis terhadap kebutuhan insinyur.
Keunggulan Maestro yang Dapat Dijalankan di Pusat Data Lokal
Fitur penting yang ditawarkan Maestro adalah kebebasan memilih infrastruktur pada berbagai lingkungan komputasi. Perusahaan pengguna dapat menjalankan 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 sering merupakan rahasia teknologi perusahaan. Melalui penerapan lokal, perusahaan lebih mudah mengendalikan data tersebut dalam sistem keamanan organisasi tanpa wajib mengirimkan semua data ke layanan eksternal.
Dukungan penerapan on-premises menawarkan manfaat dalam pengendalian akses. Tim teknologi informasi memiliki kesempatan untuk mengelola mekanisme keamanan sesuai dengan standar internal. Selain itu, penerapan lokal dapat mendukung integrasi Maestro dengan alur kerja rekayasa yang tersedia. Namun demikian, menjalankan model AI secara mandiri mengandalkan infrastruktur komputasi yang mampu menangani beban pemrosesan. Perusahaan juga perlu mengevaluasi kebutuhan perangkat keras, konsumsi energi, pemeliharaan sistem, dan kebutuhan sumber daya internal. Atas dasar kebutuhan tersebut, pilihan antara cloud dan penggunaan lokal harus dipertimbangkan berdasarkan prioritas keamanan masing-masing perusahaan.
Peran Nvidia Nemotron dan OpenShell pada Model AI Maestro
Pengembangan Maestro memanfaatkan kerja sama dengan Nvidia, perusahaan teknologi yang berperan penting pada pengembangan perangkat keras dan model kecerdasan buatan. Teknologi yang digunakan dalam kerja sama ini adalah Nvidia Nemotron, yaitu keluarga model AI dengan bobot terbuka yang bisa digunakan untuk berbagai kebutuhan khusus. Dengan dukungan model tersebut, Cadence membangun kemampuan AI yang lebih relevan dengan tantangan desain semikonduktor. Kerja sama teknologi ini menyatukan kemampuan pemrosesan bahasa dan penalaran AI dengan pengalaman rekayasa elektronik. Hasilnya diharapkan untuk membantu agen AI mengevaluasi pilihan desain berdasarkan parameter yang terukur.
Selain Nemotron, Cadence dan Nvidia turut menjajaki integrasi untuk mendukung penggunaan kecerdasan buatan yang terkendali. Komponen keamanan yang menjadi perhatian adalah Nvidia OpenShell Reference Architecture. Kerangka tersebut dirancang guna 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 informasi teknis sensitif. Walaupun pendekatan ini menjanjikan, keamanan penerapan AI tidak hanya bergantung pada arsitektur perangkat lunak. Pengawasan aktivitas, pembaruan sistem, dan pemeriksaan hasil pekerjaan tetap dibutuhkan untuk mengurangi risiko.
Teknologi Reinforcement Learning untuk Meningkatkan Kualitas Desain Chip
Maestro bekerja melalui pendekatan terintegrasi yang menggabungkan model AI dengan perangkat lunak electronic design automation dan system design automation. Melalui sistem tersebut, Cadence AI Super Agents memahami tujuan desain yang diberikan oleh insinyur. Selanjutnya, agen AI membagi kebutuhan tersebut menjadi serangkaian pekerjaan. Tahapan selanjutnya melibatkan pemanfaatan perangkat analisis untuk memeriksa hasil. Melalui mekanisme tersebut, AI bukan sekadar menyusun rekomendasi berbentuk teks, tetapi juga dirancang untuk menjalankan aktivitas teknis melalui perangkat lunak yang relevan. Kemampuan tersebut berpotensi membantu insinyur dalam menangani pekerjaan berulang.
Salah satu aspek penting adalah penggunaan reinforcement learning atau pembelajaran penguatan untuk meningkatkan kualitas model AI. Melalui metode pengembangan tersebut, sistem menggunakan hasil evaluasi dari perangkat lunak desain dan pemecah masalah berbasis aturan untuk mengukur keberhasilan proses. Informasi hasil pengujian dapat digunakan meningkatkan kemampuan model ketika menyelesaikan masalah serupa. Pada proses optimasi desain, sistem dapat membandingkan beberapa pilihan rancangan berdasarkan luas area chip dan batasan yang telah ditetapkan. Dengan menghubungkan hasil pengujian dan proses pembelajaran, Cadence berupaya meningkatkan kualitas keputusan otomatis secara lebih sistematis. Kendati menawarkan otomatisasi yang lebih luas, verifikasi oleh insinyur masih merupakan bagian penting dari pengembangan chip berkualitas.
Potensi Penghematan Token AI dan Perbaikan Hasil Desain Chip
Dalam pengujian awal yang disampaikan perusahaan, Maestro memperlihatkan peningkatan kualitas hasil desain hingga 30 persen dibandingkan model AI serbaguna yang digunakan sebagai pembanding. Tidak hanya menawarkan penyempurnaan hasil, Cadence juga melaporkan efisiensi penggunaan token hingga lima kali lebih tinggi. Token merupakan unit informasi yang digunakan model AI ketika menerima instruksi. Ketika jumlah token dapat dioptimalkan, biaya pemrosesan mungkin lebih terkendali. Walaupun angka yang dilaporkan menarik, pencapaian tersebut belum mewakili seluruh kondisi penggunaan dan tidak otomatis berlaku pada setiap rancangan chip atau seluruh beban kerja. Oleh sebab itu, pengujian lanjutan tetap diperlukan untuk menilai kinerja nyata pada kebutuhan rekayasa yang beragam.
Potensi peningkatan produktivitas berkaitan dengan strategi Maestro yang mengombinasikan penggunaan model AI dengan perangkat lunak rekayasa yang menghasilkan evaluasi terukur. Daripada hanya menggunakan model bahasa besar untuk semua aktivitas perancangan, sistem dirancang untuk mendistribusikan tugas kepada alat yang paling sesuai. Dalam skenario desain chip, perhitungan atau validasi teknis dapat dilakukan oleh perangkat EDA, sedangkan model AI membantu proses interpretasi instruksi dan koordinasi pekerjaan. Pembagian tugas semacam ini berpotensi mengurangi pemrosesan yang kurang efisien. Sebagai hasil yang diharapkan, pengembang chip memiliki peluang peningkatan produktivitas sekaligus penggunaan sumber daya lebih efisien.
Prospek Pengembangan Semikonduktor melalui Inovasi Maestro
Peluncuran Maestro oleh Cadence membuka peluang baru dalam penerapan AI pada industri semikonduktor. Berkat pemanfaatan model khusus, Cadence AI Super Agents, dan perangkat lunak EDA, sistem tersebut dirancang untuk memperbaiki efisiensi pekerjaan insinyur. Kemampuan menjalankan Maestro melalui cloud maupun pusat data lokal turut menawarkan keuntungan bagi perusahaan yang mengelola informasi desain sensitif. Sebagai penguatan teknologi, dukungan Nvidia Nemotron dan OpenShell melengkapi kemampuan pengembangan model serta pendekatan perlindungan agen AI. Ketersediaan awal portofolio tersebut disediakan kepada pelanggan terpilih melalui program akses awal pada kuartal keempat 2026, sehingga adopsi industri yang lebih besar masih membutuhkan pengembangan dan evaluasi lanjutan. Dalam perkembangan TEKNOLOGI, Maestro menunjukkan peluang AI yang berfokus pada pekerjaan teknis. Seperti apa pendapat Anda mengenai penggunaan AI dalam desain chip? Bagikan pendapat Anda tentang peluang dan tantangan inovasi ini.
