شرکت Cadence از مدل‌های هوش مصنوعی Maestro رونمایی کرد

رونمایی شرکت Cadence از مجموعه مدل‌های Maestro، گامی راهبردی برای دگرگونی هوش مصنوعی عامل‌محور در طراحی تراشه‌ها خواهد بود.

شرکت Cadenceاز بزرگ‌ترین بازیگران صنعت اتوماسیون طراحی الکترونیکی (EDA)، با معرفی مجموعه مدل‌های تخصصی Maestro برای پشتیبانی از عامل‌های طراحی تراشه، رویکرد نوینی را برای غلبه‌بر هزینه‌های سنگین پردازش و افزایش بهره‌وری درصنعت نیمه‌رسانابه‌نمایش گذاشت. این مجموعه تخصصی با بهره‌گیری از معماری ترکیبی، یادگیری تقویتی و سازگاری با زیرساخت‌های گوناگون پردازشی، کاهش چشمگیر مصرف توکن و بهبود کارایی را در مقایسه با مدل‌های هوش مصنوعی عمومی هدف گرفته است.

صنعت اتوماسیون طراحی الکترونیکی در سال‌های اخیر با موج شتابانی از تقاضا برای توسعه تراشه‌های پیشرفته روبه‌رو بوده است. فرایند طراحی و اعتبارسنجی مدارهای مجتمع با پیچیدگی‌های محاسباتی فراوانی همراه است که بخش بزرگی از توان تیم‌های مهندسی را به خود اختصاص می‌دهد. ورود عامل‌های خودمختار هوش مصنوعی به این چرخه، ابتدا به عنوان راهکاری برای آزادسازی ظرفیت انسانی و افزایش سرعت عرضه محصولات مطرح شد، اما گسترش کاربرد این سیستم‌ها چالش‌های تازه‌ای را به همراه آورد. استفاده از مدل‌های زبانی عمومی برای هدایت ابزارهای تخصصی طراحی، به دلیل نیاز مکرر به فراخوانی و ارسال داده‌ها، هزینه‌های پردازشی بسیار سرسام‌آوری بر جای گذاشت. بر همین اساس، توسعه مدل‌هایی که به شکل بومی برای محیط‌های EDA آموزش دیده باشند، به‌عنوان ضرورتی گریزناپذیر در دستور کار رهبران این صنعت قرار گرفت.

شرکت Cadence بیانیه رسمی معرفی Maestro را کمی پیش از انتشار گزارش مالی خود ارائه کرد. بر پایه داده‌های اعلام‌شده در این بیانیه، بررسی‌های اولیه نشان می‌دهد که این مدل‌های تخصصی در مقایسه با یک مدل پایه عمومی می‌توانند تا ۳۰ درصد کیفیت نتایج را در مراحل مختلف طراحی ارتقا دهند. افزون بر این، نحوه تعامل Maestro با ابزارهای تخصصی به گونه‌ای بهینه‌سازی شده است که انجام یک وظیفه معین به تعداد کمتری توکن نیاز دارد و این امر بهره‌وری مدل را در استفاده از توکن‌ها تا پنج برابر افزایش می‌دهد. نخستین گروه از این مدل‌ها قرار است در سه‌ماهه چهارم سال ۲۰۲۶ در دسترس شماری از مشتریان منتخب با دسترسی زودهنگام قرار گیرند. کاربران می‌توانند این مدل‌ها را در فضای ابری Cadence، سرویس‌های ابری عمومی یا مراکز داده اختصاصی و تحت مدیریت خود به کار بگیرند و با اتکا به داده‌ها، طراحی‌ها و جریان‌های کاری محرمانه خود، آموزش‌های تکمیلی لازم را روی آن‌ها پیاده‌سازی کنند.

ترکیب عامل‌های هوشمند و مدل‌های تخصصی

پل کانینگهام، معاون ارشد و مدیرکل شرکت Cadence، در گفتگویی تحلیلی پیرامون دلایل حرکت به سوی این رویکرد، تاکید کرد که هزینه‌های استفاده مداوم از عامل‌های هوش مصنوعی روند افزایشی بی‌سابقه‌ای پیدا کرده و فعالان این حوزه را نگران ساخته است. به بیان او، هنگامی که یک عامل بخواهد تمام آزمون‌وخطاها و استدلال‌های خود را به کمک مدل‌های عمومی و بر پایه تبادل مکرر پیام انجام دهد، هزینه‌های نهایی با سرعتی باورنکردنی رشد می‌کند. راهکار منطقی در چنین وضعیتی، انتقال بخش عمده‌ای از تصمیم‌گیری‌ها، دانش تجربی و محاسبات تکراری به وزن‌های درونی خود مدل است. با این شیوه، مدل به جای آزمون‌وخطای زمان‌بر در محیط بیرونی، منطق حاکم بر ابزارهای طراحی را از ابتدا در ساختار محاسباتی خود به همراه دارد و نیازی به ارسال مکرر داده‌ها برای دریافت پاسخ‌های مقدماتی نخواهد داشت.

مجموعه Maestro بر پایه ساختار AI Super Agents شرکت Cadence سازماندهی شده است. این عامل‌های پیشرفته ابتدا مقصود اصلی طراحان را تفسیر می‌کنند، سپس وظایف بزرگ و پیچیده را به مراحل کوچک‌تر و عملیاتی می‌شکنند و هماهنگی میان مدل‌های Maestro و سایر مدل‌های مرزی و مدل‌های دارای وزن‌های باز را به دست می‌گیرند. این سیستم در مسیر تصمیم‌گیری‌های حساس مهندسی، بده‌بستان‌های میان پارامترهای گوناگون را با تکیه بر تجارب فنی عمیق ارزیابی می‌کند. در کنار این قابلیت‌ها، استفاده از یادگیری تقویتی (RL) ستون فقرات عملکرد این مجموعه را تشکیل می‌دهد. در این روش، حل‌گرهای قطعی شرکت Cadence خروجی‌های تولیدشده را در برابر هدف‌های مهندسی، محدودیت‌های فنی و واقعیت‌های فیزیکی اعتبارسنجی می‌کنند. نتایج به دست آمده از این سنجش‌های دقیق مجدداً به عنوان داده‌های تنبیهی یا تشویقی وارد ساختار مدل می‌شوند تا دقت آن در مراحل بعدی به طور پیوسته اصلاح گردد.

یکپارچگی با مدل Nemotron انویدیا

یکی از نکات برجسته در ساختار فنی این سامانه، یکپارچه‌سازی آن با مدل Nemotron متعلق به Nvidia است. مشتریان می‌توانند مرحله آموزش تکمیلی با داده‌های داخلی خود را با کمک چارچوب fine-tuning اختصاصی Cadence پیش ببرند و حتی این فرایند را بدون خروج داده‌ها، روی کارت‌های گرافیکی و در بستر شبکه محلی خود اجرا کنند. به گفته مدیران Cadence، عملکرد Nemotron در جریان آزمایش‌های اخیر نتایجی بسیار استوار نشان داده و روند ارتقای کارایی آن با سرعتی کم‌نظیر در حال پیشرفت است.

در حوزه ابزارهای EDA، معیارهای ارزیابی عددی همواره نیازمند دقت فراوان هستند. اصطلاح کیفیت نتایج در مهندسی مدارهای مجتمع معمولاً به سه مؤلفه بنیادین یعنی توان مصرفی، عملکرد پردازشی و مساحت تراشه (PPA) اشاره دارد، هرچند شرکت Cadence هنوز معین نکرده است که رقم بهبود ۳۰ درصدی، ترکیبی از این متغیرهاست یا به یک شاخص خاص تعلق دارد. علاوه‌بر این، ادعای ارتقای پنج‌برابری در بهره‌وری توکن، در قیاس با مدل پایه‌ای اندازه‌گیری شده که نسخه اولیه Maestro بر مبنای آن آموزش دیده است. هرچند Cadence نام این مدل پایه متن‌باز را فاش نکرده، اما آن را یکی از برجسته‌ترین مدل‌های آزاد دانسته که در رقابت با مدل‌های تجاری مطرح بازار نتایج چشمگیری ثبت کرده است.

طبق گزارشتامز هاردورصرفه‌جویی در مصرف توکن در سیستم Maestro تا حد زیادی به تقسیم کار هوشمند میان ابزارهای طراحی مربوط می‌شود. این پلتفرم میان فراخوانی ابزارهای طراحی الکترونیکی (EDA)، سیستم‌های اتوماسیون طراحی سامانه (SDA) و استفاده از مدل‌های زبانی بزرگ (LLM) تعادلی دقیق برقرار می‌کند. به تعبیر مدیران Cadence، دلیلی وجود ندارد که برای رسیدن به یک مقصد معمولی درون‌شهری از موتور یک هواپیمای جت استفاده شود؛ بلکه هنر طراحی مهندسی در آن است که از مدل مناسب در لحظه مناسب و برای وظیفه مناسب بهره‌برداری گردد. از سوی دیگر، عامل زمان در ابزارهای EDA نقشی تعیین‌کننده دارد. راب نات، مدیر ارشد استراتژی و کسب‌وکارهای نو در Cadence، توضیح می‌دهد که فراخوانی یک ابزار شبیه‌سازی یا طراحی ممکن است بین چند ساعت تا چندین روز برای محاسبه و بازگرداندن یک عدد به طول بینجامد، در حالی که حلقه‌های پردازش هوش مصنوعی برای مقیاس‌های چند دقیقه‌ای تنظیم شده‌اند. مدیریت این تفاوت چشمگیر نیازمند زمان‌بندی دقیق در اجرای نرم‌افزار است تا هزینه‌های اشتراک مشتریان نیز در سطحی متعادل مهار شود.

رقابت Cadence و Synopsys در طراحی تراشه

در سوی دیگر میدان، شرکت رقیب یعنی Synopsys نیز راهبرد خود را بر بسترپلتفرم Autopilotو همکاری نزدیک با OpenAI تعریف کرده است. با وجود این هم‌راستایی در بهره‌گیری از عامل‌های هوشمند، تفاوت بنیادینی در زمینه نحوه مدیریت و محل نگهداری داده‌های طراحی مشتریان میان این دو غول صنعت وجود دارد.

مسئله امنیت و حفظ مالکیت فکری همواره از دغدغه‌های حیاتی سازندگان تراشه به شمار می‌رود. برای رفع این نگرانی، شرکت Cadence همکاری مشترکی را با Nvidia آغاز کرده تا سامانه خود را با معماری مرجع OpenShell هماهنگ کند. این بستر که هفته گذشته از سوی Nvidia رونمایی شد، استانداردهای دقیقی را برای ایجاد محیط‌های ایزوله پردازشی فراهم می‌سازد تا اسرار طراحی مشتریان از هرگونه نشت اطلاعاتی در امان بماند.

گسترش زیرساخت‌های هوش مصنوعی Cadence

سیر تحولات Cadence در زمینه توسعه عامل‌های خودمختار هوش مصنوعی روندی پیوسته را طی دوازده ماه اخیر نشان می‌دهد. این شرکت پس از تصاحب استارتاپ ChipStack در نوامبر ۲۰۲۵، با شتابی بالا خانواده عامل‌های تخصصی خود را گسترش داد و اکنون مجموعه مدل‌های Maestro به عنوان موتور محرک تمام این زیرساخت‌ها عمل می‌کند.

شتاب سرسام‌آور این تحولات سبب شده است که مرز میان مرحله دسترسی زودهنگام و عرضه گسترده تجاری اهمیتی مضاعف بیابد. با وجود تعاملات گسترده هر دو شرکت با صنایع همکار، پلتفرم‌های خودکار مهندسی هنوز در میانه راه تکامل قرار دارند و زمان‌بندی دقیق ورود تجاری و عمومی آن‌ها وابسته به نتایج عملیاتی در مقیاس صنعتی خواهد بود. آنچه آشکار است، حرکت بنیادین غول‌های نیمه‌رسانا به سوی بومی‌سازی عمیق هوش مصنوعی در قلب ابزارهای مهندسی است؛ تغییری که می‌تواند نقشه راه ساخت تراشه‌های آینده را به شکلی برگشت‌ناپذیر دگرگون سازد.

نوشتهشرکت Cadence از مدل‌های هوش مصنوعی Maestro رونمایی کرداولین بار درTechnoc. پدیدار شد.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.