Cadence 联合 Nvidia 发布 Maestro AI 模型家族，用于 EDA 自动化

HPC

发布于 2026 年 10 月 26 日星期一 // 13:00 UTC

如同病毒一般，生成式 AI 已经侵入了几乎每一个技术领域，包括芯片与系统设计。如果你去问 Cadence Systems 高级副总裁 Paul Cunningham，如今正在开发的芯片中，大约有 20% 到 30% 是在 AI 智能体的帮助下设计的，而且这个数字正在迅速增长。

从许多方面来看，Cadence 的最新产品都是生成式 AI 与 HPC 将如何不仅共存于产业界、也共存于科学领域的最清晰例证之一。NEXTPLATFORM 广告

在过去一年左右的时间里，这家 EDA 巨头推出了一系列所谓的“AI 超级智能体”，包括用于先进封装和 PCB 布局的 AuraStack、用于 SoC 设计与验证的 ChipStack、用于 PHY 布线的 InnoStack，以及用于模拟电路设计的 ViraStack。

与 Anthropic 的 Claude Code 或 OpenAI 的 Codex 非常相似，这些框架旨在与 LLM 协同工作，通过编排 Cadence 现有的 EDA、测试和验证工具来自动化设计与测试流程。其奏效的原因与 AI 代码助手在软件工程师中人气暴涨的原因大致相同：代码要么能编译，要么不能。同样，Cadence 也有测试来验证和确认其设计能按预期工作。

但正如许多代码助手一样，这些测试的有效性在很大程度上取决于其训练数据与所输入的输入输出有多相似。Cadence 早期的智能体主要由现成的 LLM 驱动，这限制了对 RTL 之类内容的接触。

“并不是说这些强大得惊人的开箱即用基础模型就能包办一切。它们只是起点，你仍然可以对其进行专门化，”Cunningham 说。NEXTPLATFORM 广告

为了追求更高的专门化，Cadence 本周宣布与 Nvidia 建立合作，并推出了其 Maestro AI 模型家族。这些模型基于 Nvidia 的 Nemotron 系列模型进行微调，以便与 Cadence 自有工具协同工作并解读其结果。

不出所料，更好的领域知识往往能转化为更好的结果。如果 Cadence 的说法可信，其 Maestro 模型的早期测试显示，与通用基础模型相比，输出质量“最高”提升 30%，token 效率“最高”提升 5 倍。换言之，在 Cadence 工具上经过后训练的模型既更聪明，运行成本也更低。

除了这些模型，Cadence 的 Maestro 平台还支持基于客户数据进行定制，不过 Cunningham 告诉我们，这更多将以托管服务的形式提供，而不是让客户自行摸索。

与其现有的智能体框架非常相似，Cadence 的 Maestro 模型和智能体可以通过 API 访问模型、在安全的 VPC 中运行，或者在你拥有必要硬件的前提下本地部署。NEXTPLATFORM 广告

Cadence 并不是唯一一家探索使用 AI 智能体来编排 HPC 工作负载的公司。多年来，Nvidia 一直在推动 HPC 与 AI 的正面交汇，考虑到其 GPU 不仅能用于训练和运行 AI，这也在情理之中，即便大多数人购买它们正是为了这个用途。

这种 AI 驱动实验室的概念也是美国能源部 Genesis Mission 的核心组成部分，在该计划下，我们已经看到一批基于 Nvidia 的新型大型超级计算机涌现。

你可能还记得，桑迪亚国家实验室的研究人员最近展示了 AI 智能体如何被用于在他们所称的自动驾驶实验室中开发和测试新假设，尽管那些测试并未受益于现代智能体框架，甚至没有 LLM。

考虑到公共研究人员获得的资金有限，不难理解为何一个能在你回家吃晚饭很久之后仍继续执行任务的 AI 实验室助手这一想法颇具吸引力。NEXTPLATFORM 广告

hpc eda cadence design systems