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
Cadence Design Systems meluncurkan portofolio model kecerdasan buatan bernama Maestro untuk mendukung proses perancangan chip dan sistem elektronik. Peluncuran teknologi tersebut menjadi bagian penting dalam penerapan artificial intelligence pada bidang electronic design automation atau EDA. Pada proses pengembangan chip, para insinyur harus menangani serangkaian proses teknis kompleks yang mengandalkan ketelitian tinggi dan waktu pengerjaan panjang. Melalui Maestro, Cadence menargetkan peningkatan kemampuan para pengembang dalam menyempurnakan struktur chip menggunakan agen kecerdasan buatan yang memiliki kemampuan khusus di bidang desain elektronik. Pendekatan ini diharapkan mendukung efisiensi kerja tanpa meniadakan pentingnya pengawasan insinyur profesional.
Portofolio Maestro tidak hanya merupakan model bahasa umum yang memberikan jawaban percakapan, melainkan dioptimalkan untuk membantu pengembangan semikonduktor. Pada sistem yang dikembangkan, Maestro terhubung dengan Cadence AI Super Agents dan perangkat lunak desain yang tersedia dalam ekosistem perusahaan. Pendekatan terpadu tersebut memberikan kemampuan kepada agen AI untuk memahami tujuan perancangan, kemudian membagi pekerjaan menjadi beberapa tahapan yang lebih terstruktur. Rangkaian pekerjaan tersebut memungkinkan penggunaan model AI, alat analisis, dan sistem verifikasi untuk memeriksa hasil. Melalui penggabungan kemampuan ini, Cadence menghadirkan lingkungan kerja yang lebih otomatis terhadap tantangan desain modern.
Keunggulan Maestro yang Dapat Dijalankan di Pusat Data Lokal
Aspek paling menarik yang dihadirkan Maestro adalah kemampuan menjalankan sistem 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 memberikan keuntungan khusus 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. Melalui penerapan lokal, perusahaan lebih mudah mengendalikan data tersebut dalam lingkungan yang dikelola sendiri tanpa wajib mengirimkan semua data ke layanan eksternal.
Kemampuan menjalankan model secara lokal menawarkan manfaat dalam pengelolaan keamanan. Tim teknologi informasi memiliki kesempatan untuk mengelola mekanisme keamanan sesuai dengan standar internal. Selain itu, penerapan lokal memungkinkan optimalisasi integrasi Maestro dengan alur kerja rekayasa yang tersedia. Walaupun menawarkan fleksibilitas besar, menjalankan model AI secara mandiri mengandalkan infrastruktur komputasi yang memadai. Pengguna korporasi harus mempertimbangkan kebutuhan perangkat keras, konsumsi energi, pemeliharaan sistem, dan kebutuhan sumber daya internal. Atas dasar kebutuhan 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 dikenal melalui 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 terarah dengan kebutuhan rekayasa elektronik. Pendekatan tersebut memadukan kemampuan pemrosesan bahasa dan penalaran AI dengan pengalaman rekayasa elektronik. Penggabungan tersebut dirancang untuk mendukung sistem otomatis mengevaluasi pilihan desain berdasarkan persyaratan desain.
Tidak hanya pada pengembangan kemampuan penalaran, Cadence dan Nvidia turut menjajaki integrasi untuk meningkatkan keamanan agen AI. Komponen keamanan yang menjadi perhatian adalah Nvidia OpenShell Reference Architecture. Kerangka tersebut dikembangkan agar dapat membantu menjalankan agen AI dalam infrastruktur yang memiliki kendali keamanan. Ketika agen AI menangani pekerjaan rekayasa, perlindungan tersebut memiliki peran besar karena sistem dapat mengolah dokumen desain, konfigurasi perangkat, dan aset intelektual perusahaan. Meski membawa potensi positif, keamanan penerapan AI tidak hanya bergantung pada arsitektur perangkat lunak. Pembatasan hak akses, pembaruan sistem, dan pemeriksaan hasil pekerjaan tetap dibutuhkan untuk mendukung perlindungan menyeluruh.
Teknologi Reinforcement Learning untuk Meningkatkan Kualitas Desain Chip
Maestro bekerja melalui arsitektur pengembangan khusus yang mengintegrasikan model AI dengan perangkat lunak electronic design automation dan system design automation. Dalam proses ini, Cadence AI Super Agents menerima tujuan desain yang diberikan oleh insinyur. Setelah memahami instruksi, agen AI membagi kebutuhan tersebut menjadi serangkaian pekerjaan. Proses berikutnya melibatkan pemanfaatan perangkat analisis untuk memeriksa hasil. Dengan pendekatan ini, AI tidak terbatas pada pembuatan rekomendasi berbentuk teks, tetapi juga mampu mendukung aktivitas teknis melalui alat rekayasa yang terintegrasi. Fungsi ini berpotensi membantu insinyur dalam mempercepat evaluasi desain.
Bagian menarik dari sistem Maestro adalah penggunaan reinforcement learning atau pembelajaran penguatan untuk mengoptimalkan hasil model AI. Pada pendekatan pembelajaran tersebut, sistem menggunakan hasil evaluasi dari perangkat lunak desain dan pemecah masalah berbasis aturan untuk mengukur keberhasilan proses. Informasi hasil pengujian berperan dalam meningkatkan kemampuan model ketika menghadapi tantangan berikutnya. Dalam penerapan teknis, sistem dapat mengukur beberapa pilihan rancangan berdasarkan kinerja perangkat dan batasan yang telah ditetapkan. Berkat penggabungan hasil pengujian dan proses pembelajaran, Cadence menargetkan penyempurnaan 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. Selain peningkatan kualitas, Cadence turut menyampaikan efisiensi penggunaan token hingga lima kali lebih tinggi. Istilah token merujuk pada unit informasi yang diproses model AI ketika menerima instruksi. Ketika jumlah token dapat dioptimalkan, biaya pemrosesan berpotensi menjadi lebih rendah. Namun demikian, pencapaian tersebut masih berasal dari evaluasi awal dan belum tentu dapat diterapkan pada setiap rancangan chip atau seluruh beban kerja. Dengan mempertimbangkan keterbatasan tersebut, pengujian lanjutan perlu dilakukan untuk memastikan manfaat operasional pada kebutuhan rekayasa yang beragam.
Potensi peningkatan produktivitas didukung oleh strategi Maestro yang menggabungkan penggunaan model AI dengan perangkat lunak rekayasa yang dirancang untuk tugas tertentu. Sebagai alternatif dari penggunaan model bahasa besar untuk setiap proses teknis, sistem dapat mengarahkan tugas kepada alat yang memiliki kemampuan khusus. Dalam skenario desain chip, perhitungan atau validasi teknis dapat dilakukan oleh perangkat EDA, sedangkan model AI membantu proses interpretasi instruksi dan koordinasi pekerjaan. Arsitektur yang terintegrasi tersebut berpotensi mengurangi pemrosesan yang tidak diperlukan. Dengan demikian, pengembang chip berpotensi mendapatkan peningkatan produktivitas sekaligus proses pengembangan yang lebih terukur.
Kesimpulan: Maestro Membuka Peluang Baru bagi Industri Semikonduktor
Kehadiran portofolio AI Maestro menjadi langkah penting dalam pengembangan rekayasa elektronik modern. Dengan menggabungkan model khusus, Cadence AI Super Agents, dan perangkat lunak EDA, sistem tersebut berpotensi meningkatkan kecepatan pengembangan produk. Kemampuan menjalankan Maestro melalui cloud maupun pusat data lokal juga memberikan keuntungan bagi perusahaan yang mengelola informasi desain sensitif. Sebagai penguatan teknologi, dukungan Nvidia Nemotron dan OpenShell mendukung kemampuan pengembangan model serta mekanisme keamanan sistem otomatis. Ketersediaan awal portofolio tersebut direncanakan untuk pelanggan terpilih melalui program akses awal pada kuartal keempat 2026, sehingga penerapannya secara luas masih membutuhkan pengembangan dan evaluasi lanjutan. Pada era otomatisasi industri modern, Maestro menjadi contoh penerapan AI yang berfokus pada pekerjaan teknis. Apa pandangan Anda mengenai pengembangan model AI khusus industri? Bagikan pendapat Anda tentang manfaat AI bagi pekerjaan rekayasa.
