Cadence เปิดตัวกลุ่มโมเดล AI เฉพาะทาง Maestro เพื่อขับเคลื่อน AI Super Agents ในการออกแบบเซมิคอนดักเตอร์ คาดช่วยยกระดับคุณภาพผลลัพธ์ 30% เตรียมเปิดใช้ปลายปี 2026
Cadence (Nasdaq: CDNS) ประกาศเปิดตัว Maestro™ กลุ่มโมเดล AI เฉพาะทางที่เป็นขุมพลังขับเคลื่อน Cadence® AI Super Agents ครอบคลุมทุกขั้นตอนการออกแบบเซมิคอนดักเตอร์และระบบ โดยผสานการทำงานของโมเดล AI เข้ากับกระบวนการเรียนรู้แบบเสริมกำลัง (Reinforcement Learning หรือ RL) พร้อมด้วยเครื่องมือออกแบบวงจรอิเล็กทรอนิกส์อัตโนมัติ (Electronic Design Automation หรือ EDA) และเครื่องมือออกแบบระบบอัตโนมัติ (System Design Automation หรือ SDA) ที่ผ่านการพิสูจน์ประสิทธิภาพมาแล้ว เพื่อสร้างแพลตฟอร์มวิศวกรรมอัจฉริยะแบบ Agentic AI ที่เชื่อมโยงการทำงานร่วมกันอย่างสมบูรณ์แบบ ช่วยยกระดับคุณภาพผลลัพธ์ ลดระยะเวลาในการนำผลิตภัณฑ์ออกสู่ตลาด และเพิ่มประสิทธิภาพการทำงานอย่างต่อเนื่องผ่านกระบวนการเรียนรู้และพัฒนาตนเองแบบวนซ้ำ
เทคโนโลยี Maestro มอบแพลตฟอร์มที่มีความปลอดภัยและบริหารจัดการโดย Cadence ซึ่งผสานความสามารถอัจฉริยะและความเชี่ยวชาญเฉพาะทางระดับสูงเข้ากับความสามารถในการควบคุม ทางเลือก และความยืดหยุ่นที่ลูกค้าต้องการ เพื่อให้สามารถพัฒนานวัตกรรมได้อย่างมั่นใจ โดยกลุ่มโมเดล Maestro ประกอบด้วยโมเดล AI หลากหลายขนาดและสถาปัตยกรรม ทั้งโมเดลภาษาขนาดใหญ่ (Large Language Models หรือ LLMs) ที่ผ่านการฝึกเพิ่มเติมสำหรับงานเฉพาะทาง โมเดลที่ได้รับการฝึกฝนเพื่อการตัดสินใจ และความสามารถของ AI Agents ที่สามารถเรียนรู้และพัฒนาตนเองได้อย่างต่อเนื่อง พร้อมผสานการทำงานร่วมกับ Cadence AI Super Agents ได้แก่ AuraStack™, ChipStack™, InnoStack™ และ ViraStack™ รวมถึงเครื่องมือ EDA และ SDA ที่ผ่านการพิสูจน์ประสิทธิภาพมาแล้ว ตลอดจนเทคโนโลยีการเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) เพื่อเพิ่มขีดความสามารถในการจัดการกระบวนการทางวิศวกรรมที่ซับซ้อน ผ่านการผสานศักยภาพของโมเดล AI ชั้นนำ (Frontier Models) โมเดลแบบเปิดที่เปิดเผยค่าน้ำหนัก (Open-weight Models) และโมเดล AI เฉพาะทางได้อย่างเหมาะสม รองรับการทำงานทั้งบนระบบคลาวด์และระบบภายในองค์กร (On-premises)
มิสเตอร์ อนิรุทธ์ เดฟแกน (Anirudh Devgan) ประธานและประธานเจ้าหน้าที่บริหารของ Cadence กล่าวว่า “การปฏิวัติกระบวนการทางวิศวกรรมที่ซับซ้อนจำเป็นต้องอาศัยเทคโนโลยีอัจฉริยะที่มีความเชี่ยวชาญเฉพาะทางอย่างลึกซึ้ง การผสานกลุ่มโมเดล AI เฉพาะทางของ Maestro เข้ากับโมเดล AI ชั้นนำและโมเดลแบบเปิดที่เปิดเผยค่าน้ำหนัก ช่วยให้ AI Super Agents ของเราสามารถควบคุมและสั่งการเครื่องมือ EDA และ SDA ของ Cadence ได้อย่างแม่นยำและมีประสิทธิภาพสูง เพื่อพลิกโฉมกระบวนการออกแบบชิปและระบบ”
มิสเตอร์ ทิม คอสตา (Tim Costa) รองประธานและผู้จัดการทั่วไป ฝ่ายวิศวกรรมอุตสาหการและวิศวกรรมการคำนวณของ NVIDIA กล่าวว่า “การออกแบบชิปด้วย Agentic AI จำเป็นต้องอาศัย AI ที่สามารถสร้างชิ้นงานออกแบบ ประเมินทางเลือกและข้อแลกเปลี่ยนในการออกแบบ ตลอดจนเรียนรู้จากผลลัพธ์ทางวิศวกรรมที่ผ่านการตรวจสอบความถูกต้องแล้ว ความร่วมมือระหว่าง NVIDIA และ Cadence ได้นำเทคโนโลยี NVIDIA Nemotron และ OpenShell พร้อมด้วยความเชี่ยวชาญเชิงลึกด้านวิศวกรรมมาผสานเข้ากับโมเดล AI เฉพาะทางของ Maestro โดยใช้ข้อมูลป้อนกลับจากเครื่องมือ EDA และตัวแก้ปัญหาเชิงคำนวณที่ให้ผลลัพธ์แน่นอน (Deterministic Solvers) เป็นพื้นฐานของการเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) เพื่อให้ AI Agents สามารถเรียนรู้และตัดสินใจด้านการออกแบบได้ดียิ่งขึ้น โดยพิจารณาจากระดับความสอดคล้องของผลลัพธ์กับเป้าหมายและข้อจำกัดทางวิศวกรรมที่กำหนดไว้”
มิสเตอร์ ฮิซาโตะ โยชิดะ (Hisato Yoshida) ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการ (COO) ของ Socionext กล่าวว่า “เรากำลังนำ InnoStack AI Super Agent ของ Cadence มาใช้งานจริงในกระบวนการออกแบบเพื่อการผลิตของบริษัท โดยการผสานเทคโนโลยี Agentic AI เข้ากับเครื่องมือ EDA ขั้นสูงสำหรับการออกแบบทางกายภาพ (Physical Design) คาดว่าจะช่วยเพิ่มประสิทธิภาพการทำงานโดยรวมได้สูงสุดถึง 5 เท่า พร้อมรักษาคุณภาพของงานออกแบบไว้ได้อย่างต่อเนื่อง ทั้งนี้ เรามองว่ากลุ่มโมเดล Maestro จะเป็นอีกก้าวสำคัญในการยกระดับประสิทธิภาพตลอดกระบวนการออกแบบของเราให้ดียิ่งขึ้น”
การิมา ชาร์ดา (Garima Sharda) รองประธานฝ่ายวิศวกรรมของ Silicon Labs กล่าวว่า “การพัฒนาอุปกรณ์ที่ใช้พลังงานต่ำเป็นพิเศษจำเป็นต้องอาศัยนวัตกรรมจากหลากหลายสาขาวิชาที่ทำงานร่วมกัน โดยเทคโนโลยี Agentic AI ช่วยเปิดโอกาสใหม่ในการเพิ่มประสิทธิภาพด้านการใช้พลังงาน การนำ Cadence Verisium Debug มาใช้งานเป็นส่วนหนึ่งของ ChipStack AI Super Agent ช่วยให้ทีมวิศวกรของเราสามารถวิเคราะห์หาสาเหตุที่แท้จริงของปัญหา (Root-cause Analysis) และตรวจสอบแก้ไขข้อผิดพลาดตลอดกระบวนการ (End-to-end Debug) ได้รวดเร็วยิ่งขึ้น ในขั้นตอนการตรวจสอบความถูกต้องของการออกแบบที่ใช้พลังงานต่ำก่อนการผลิตชิปจริง (Pre-silicon Low Power Verification) ทั้งนี้ เราหวังว่าจะสามารถยกระดับประสิทธิภาพการทำงานได้มากยิ่งขึ้นด้วยกลุ่มโมเดล AI เฉพาะทาง Maestro ของ Cadence”
สภาพแวดล้อมการเรียนรู้สำหรับ AI ทางวิศวกรรมที่สามารถพัฒนาตนเองได้อย่างต่อเนื่อง
ผลการทดสอบเบื้องต้นพบว่า Maestro สามารถยกระดับคุณภาพผลลัพธ์ได้สูงสุด 30% และเพิ่มประสิทธิภาพการใช้โทเค็น (Token Efficiency) ได้สูงสุดถึง 5 เท่า เมื่อเทียบกับโมเดล AI พื้นฐานสำหรับการใช้งานทั่วไป (General-purpose Foundation Model) โดยความก้าวหน้าดังกล่าวเกิดจากสภาพแวดล้อมการเรียนรู้ที่ผสานองค์ประกอบต่าง ๆ เข้าด้วยกันอย่างครบวงจร ตั้งแต่องค์ความรู้เฉพาะทางของ Cadence ชุดข้อมูลวิศวกรรมที่ผ่านการคัดสรร AI Super Agents เครื่องมือ EDA และ SDA ตลอดจนระบบสำหรับทดสอบและประเมินผล โดยอัลกอริทึมที่พัฒนาขึ้นตามหลักการทางวิศวกรรมและเครื่องมือแก้ปัญหาเชิงคำนวณที่ให้ผลลัพธ์แน่นอนของ Cadence จะทำหน้าที่ประเมินผลลัพธ์เทียบกับเป้าหมาย ข้อจำกัด และข้อมูลอ้างอิงที่ได้รับการยืนยันความถูกต้อง เพื่อสร้างวงจรข้อมูลป้อนกลับแบบปิดที่ผ่านการตรวจสอบความถูกต้อง สำหรับใช้ในกระบวนการเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) และการพัฒนาตนเองอย่างต่อเนื่อง
ความเชี่ยวชาญเฉพาะทาง ผสานการเลือกใช้โมเดล AI อย่างชาญฉลาด
สภาพแวดล้อมการเรียนรู้ของ Cadence ผสานความสามารถของ AI ที่หลากหลายเข้าไว้ในกระบวนการทำงานเดียวกัน โดยโมเดล AI ชั้นนำ (Frontier Models) และโมเดลแบบเปิดที่เปิดเผยค่าน้ำหนัก (Open-weight Models) มีความสามารถครอบคลุมทั้งด้านภาษา การใช้เหตุผล และการประมวลผลข้อมูลหลากหลายรูปแบบ (Multimodal) ขณะที่กลุ่มโมเดล AI ของ Maestro มุ่งเน้นความเชี่ยวชาญเฉพาะทางสำหรับการออกแบบชิปและระบบที่ซับซ้อน เมื่อได้รับเป้าหมายการออกแบบในภาพรวม Cadence AI Super Agents จะทำหน้าที่ตีความวัตถุประสงค์ของการออกแบบ แบ่งงานออกเป็นขั้นตอนย่อย ประสานการทำงานระหว่างกลุ่มโมเดล Maestro กับโมเดล AI ชั้นนำและโมเดลแบบเปิดอื่น ๆ พร้อมควบคุมการทำงานของเครื่องมือ EDA และ SDA ของ Cadence เพื่อให้สามารถวิเคราะห์ข้อกำหนดทางเทคนิค สร้างองค์ประกอบของงานออกแบบ วิเคราะห์ผลลัพธ์ ประเมินทางเลือกและข้อแลกเปลี่ยน ตลอดจนสนับสนุนการตัดสินใจโดยคำนึงถึงข้อกำหนดทางวิศวกรรม ต้นทุน และความปลอดภัย นอกจากนี้ กลุ่มโมเดล Maestro ซึ่งรวมถึง NVIDIA Nemotron และโมเดลอื่น ๆ ยังสามารถนำมาฝึกเพิ่มเติมด้วยข้อมูลเฉพาะของลูกค้า ทั้งข้อมูลการออกแบบและกระบวนการทำงานที่เป็นกรรมสิทธิ์ขององค์กร โดยการบริหารการเรียกใช้เครื่องมือ EDA และ SDA ควบคู่กับการเรียกใช้โมเดลภาษาขนาดใหญ่ (LLM) อย่างเหมาะสม จะช่วยลดปริมาณการใช้โทเค็นได้อย่างมีนัยสำคัญ พร้อมรักษาประสิทธิภาพในการประมวลผลไว้ได้อย่างต่อเนื่อง
ระบบ Agentic AI แบบครบวงจรของ Cadence ซึ่งประกอบด้วย AI Super Agents กลุ่มโมเดล AI ของ Maestro และเครื่องมือ EDA สามารถรองรับการทำงานได้ทั้งบนแพลตฟอร์มคลาวด์ที่ปลอดภัยของ Cadence ระบบคลาวด์สาธารณะที่มีการรักษาความปลอดภัย และระบบภายในองค์กร (On-premises) ที่ลูกค้าสามารถควบคุมและบริหารจัดการได้เอง เพื่อตอบสนองความต้องการด้านความเป็นส่วนตัวของข้อมูล ความปลอดภัย และข้อกำหนดในการติดตั้งใช้งาน นอกจากนี้ Cadence และ NVIDIA ยังร่วมมือกันยกระดับความปลอดภัยของระบบ AI Agents ผ่านการผสานการทำงานร่วมกับสถาปัตยกรรมอ้างอิง NVIDIA OpenShell (NVIDIA OpenShell Reference Architecture)
กำหนดการเปิดให้ใช้งาน
โมเดล Maestro ชุดแรกจะเปิดให้ลูกค้าบางรายที่ได้รับคัดเลือกสามารถเข้าใช้งานล่วงหน้า (Early Access) ได้ในช่วงไตรมาสที่ 4 ของปี 2026
Cadence Unveils Maestro Domain-Specific AI Models to Revolutionize Chip Design via Agentic AI
Cadence has introduced Maestro, a family of domain-specific artificial intelligence models designed to power Cadence AI Super Agents across semiconductor and system design workflows. The infrastructure merges AI models with reinforcement learning, Electronic Design Automation (EDA), and System Design Automation (SDA) tools to create an agentic AI engineering platform capable of continuously improving performance, reducing time to market, and enhancing overall design quality through iterative self-learning processes.
The Maestro model family integrates large language models fine-tuned for specific engineering tasks, decision-making models, and self-improving AI agents. These models interface directly with Cadence AI Super Agents—including AuraStack, ChipStack, InnoStack, and ViraStack—alongside deterministic EDA and SDA solvers to manage complex engineering challenges. The architecture dynamically routes tasks between frontier models, open-weight models, and Maestro’s specialized models, operating across cloud and on-premises environments.
Anirudh Devgan, President and Chief Executive Officer of Cadence, stated that revolutionizing complex engineering requires deep domain expertise. The executive noted that coupling Maestro’s specialized capabilities with frontier and open-weight models empowers AI Super Agents to precisely direct Cadence EDA and SDA tools, transforming chip and system design.
NVIDIA collaborated on the integration, bringing NVIDIA Nemotron and OpenShell technologies to the Maestro architecture. Tim Costa, Vice President and General Manager of CAE/EDA at NVIDIA, indicated that agentic AI chip design requires models that generate designs, evaluate tradeoffs, and learn from verified engineering outcomes. Using feedback from EDA tools and deterministic solvers as reinforcement learning foundations allows agents to improve design decisions based on engineering constraints.
Early testing demonstrated that Maestro can elevate quality of results by up to 30 percent and improve token efficiency by up to five times compared to general-purpose foundation models. Industry partners, including Socionext and Silicon Labs, reported significant operational improvements when integrating Cadence AI Super Agents into physical design and low-power verification workflows. Initial Maestro models will be available for early access to select customers in the fourth quarter of 2026.
