Secondo Paul Cunningham, senior VP di Cadence Systems, tra il 20 e il 30% dei chip attualmente in sviluppo sono oggi progettati con l’aiuto di agenti di IA, e questa proporzione sta crescendo rapidamente. Cadence ha recentemente distribuito una serie di strumenti chiamati « AI Super Agents » e annunciato una partnership con Nvidia, incentrata su una nuova famiglia di modelli chiamata Maestro.
Agenti che pilotano gli strumenti esistenti
Specializzata nei software di progettazione assistita da computer per l’elettronica (EDA), Cadence propone tra l’altro AuraStack, per il packaging avanzato e la progettazione di circuiti stampati (PCB), ChipStack, per la progettazione e la verifica di sistemi su chip (SoC), InnoStack, per il routing PHY, e ViraStack, per la progettazione di circuiti analogici.
Sul principio di Claude Code di Anthropic o di Codex di OpenAI, questi agenti si basano su strati software, chiamati « harnesses », che associano modelli di linguaggio (LLM) all’automazione dei flussi di progettazione e test. Essi orchestrano gli strumenti EDA, di test e di verifica di Cadence. La logica ricorda quella degli assistenti di programmazione: un codice compila o non compila, e Cadence dispone di test destinati a verificare che le sue progettazioni funzioneranno come previsto.
L’efficacia di questi test dipende però molto dalla vicinanza tra i dati di addestramento dei modelli e gli input e output che essi elaborano. I primi agenti di Cadence si basavano ampiamente su LLM commerciali, poco esposti alla descrizione a livello dei registri (RTL), il linguaggio che descrive il funzionamento di un circuito. « Non è questione che questi modelli di base pronti all’uso, seppur di potenza notevole, facciano tutto da soli. Essi costituiscono il punto di partenza, e si possono ancora specializzare », ha dichiarato Paul Cunningham.
Modelli Maestro addestrati sugli strumenti di Cadence
Cadence ha quindi annunciato una partnership con Nvidia e lanciato la famiglia di modelli Maestro. Questi modelli sono stati affinati (fine-tuning, cioè specializzati a partire da un modello esistente) grazie alla famiglia Nemotron di Nvidia, per lavorare con gli strumenti di Cadence e interpretarne i risultati.
Secondo Cadence, test preliminari hanno mostrato un miglioramento « fino al » 30% della qualità dei risultati, nonché un’efficienza in token « fino a » 5 volte superiore rispetto a modelli di base generalisti. Il token, unità di testo elaborata da un modello, serve qui a misurare il costo di calcolo. Secondo l’azienda, modelli post-addestrati sui suoi strumenti sarebbero quindi sia più performanti che meno costosi da far girare.
La piattaforma Maestro permette inoltre di personalizzare i modelli a partire dai dati dei clienti. Paul Cunningham ha precisato che questa opzione sarebbe proposta sotto forma di servizio gestito, e non come un approccio che i clienti condurrebbero da soli. I modelli e gli agenti possono essere utilizzati via API, in un VPC sicuro (rete privata virtuale isolata) o, per le aziende dotate dell’hardware necessario, in loco.
Un interesse che va oltre la progettazione di chip
Cadence non è l’unica a esplorare l’uso di agenti di IA per pilotare carichi di calcolo ad alte prestazioni (HPC). Nvidia avvicina da diversi anni HPC e IA, i suoi GPU (processori grafici) servendo a molti altri usi oltre l’addestramento e l’esecuzione di modelli, anche se è a questo che la maggior parte degli acquirenti li destina.
Questa idea di laboratori pilotati dall’IA figura anche al centro della Genesis Mission del Dipartimento dell’Energia americano, nell’ambito della quale sono stati annunciati numerosi nuovi grandi supercomputer basati su Nvidia. Ricercatori dei Sandia National Labs hanno inoltre presentato un laboratorio detto « autonomo » (self-driving lab), dove agenti di IA sviluppano e testano nuove ipotesi. Questi esperimenti non beneficiavano tuttavia né delle harness moderne né tantomeno di LLM. In un contesto di finanziamenti limitati per la ricerca pubblica, l’idea di un assistente di laboratorio capace di proseguire compiti dopo la partenza dei ricercatori può sembrare attraente.
