Laut Paul Cunningham, Senior VP bei Cadence Systems, werden heute zwischen 20 und 30 % der sich in Entwicklung befindenden Chips mit Hilfe von KI-Agenten entworfen, und dieser Anteil steigt schnell. Cadence hat in letzter Zeit eine Reihe von Tools namens „AI Super Agents » eingeführt und eine Partnerschaft mit Nvidia um eine neue Modellfamilie namens Maestro angekündigt.
Agenten, die bestehende Tools steuern
Spezialisiert auf Software für elektronisches computergestütztes Design (EDA) bietet Cadence unter anderem AuraStack für fortgeschrittenes Packaging und Leiterplatten-Design (PCB), ChipStack für den Entwurf und die Verifikation von System-on-a-Chip (SoC), InnoStack für PHY-Routing und ViraStack für den Entwurf analoger Schaltungen.
Nach dem Prinzip von Anthropics Claude Code oder OpenAIs Codex basieren diese Agenten auf Software-Schichten, sogenannten „Harnesses », die Sprachmodelle (LLM) mit der Automatisierung von Design- und Test-Flows kombinieren. Sie orchestrieren die EDA-, Test- und Verifikationstools von Cadence. Die Logik erinnert an Programmierassistenten: Code kompiliert oder kompiliert nicht, und Cadence verfügt über Tests, um zu überprüfen, ob seine Entwürfe wie vorgesehen funktionieren.
Die Wirksamkeit dieser Tests hängt jedoch stark von der Nähe zwischen den Trainingsdaten der Modelle und den von ihnen verarbeiteten Ein- und Ausgaben ab. Die ersten Agenten von Cadence stützten sich weitgehend auf kommerzielle LLMs, die wenig mit Register-Transfer-Level (RTL)-Beschreibungen, der Sprache, die die Funktionsweise einer Schaltung beschreibt, vertraut waren. „Es kommt nicht in Frage, dass diese gebrauchsfertigen Foundation-Modelle, so bemerkenswert leistungsfähig sie auch sind, alles alleine machen. Sie sind der Ausgangspunkt, und man kann sie noch weiter spezialisieren », sagte Paul Cunningham.
Auf Cadence-Tools trainierte Maestro-Modelle
Cadence hat daher eine Partnerschaft mit Nvidia angekündigt und die Modellfamilie Maestro eingeführt. Diese Modelle wurden durch Fine-Tuning (also Spezialisierung auf Basis eines bestehenden Modells) mithilfe von Nvidias Nemotron-Familie verfeinert, um mit den Tools von Cadence zu arbeiten und deren Ergebnisse zu interpretieren.
Laut Cadence haben vorläufige Tests eine Verbesserung der Ergebnisqualität „von bis zu » 30 % sowie eine Token-Effizienz gezeigt, die „bis zu » 5-mal höher ist als bei allgemeinen Foundation-Modellen. Der Token, die Texteinheit, die ein Modell verarbeitet, dient hier zur Messung der Rechenkosten. Nach Unternehmensangaben wären auf seine Tools nachtrainierte Modelle daher sowohl leistungsfähiger als auch kostengünstiger im Betrieb.
Die Maestro-Plattform ermöglicht es auch, Modelle auf Basis von Kundendaten anzupassen. Paul Cunningham präzisierte, dass diese Option als Managed Service angeboten würde und nicht als Vorgehensweise, die Kunden selbst durchführen würden. Die Modelle und Agenten können über eine API, in einem sicheren VPC (isoliertes privates virtuelles Netzwerk) oder für Unternehmen mit der notwendigen Hardware vor Ort genutzt werden.
Ein Interesse, das über den Chip-Entwurf hinausgeht
Cadence ist nicht der einzige Anbieter, der den Einsatz von KI-Agenten zur Steuerung von High-Performance-Computing (HPC)-Workloads erforscht. Nvidia bringt seit mehreren Jahren HPC und KI zusammen, wobei seine GPUs (Grafikprozessoren) für viel mehr Zwecke eingesetzt werden als nur für das Training und die Ausführung von Modellen, auch wenn die meisten Käufer sie dafür verwenden.
Diese Idee von KI-gesteuerten Laboren steht auch im Mittelpunkt der Genesis Mission des US-Energieministeriums, im Rahmen derer viele neue große auf Nvidia basierende Supercomputer angekündigt wurden. Forscher der Sandia National Labs haben zudem ein sogenanntes „selbstfahrendes » Labor (self-driving lab) vorgestellt, in dem KI-Agenten neue Hypothesen entwickeln und testen. Diese Experimente profitierten jedoch weder von modernen Harnesses noch überhaupt von LLMs. In einem Kontext begrenzter Forschungsmittel für die öffentliche Forschung kann die Idee eines Laborassistenten, der Aufgaben nach dem Gehen der Forscher fortsetzen kann, attraktiv erscheinen.
