Cadence Systemsのシニアバイスプレジデント、ポール・カニンガム氏によると、現在開発中のチップの20〜30％はAIエージェントの支援を受けて設計されており、この割合は急速に増加している。Cadenceは最近、「AI Super Agents」と名付けられた一連のツールを展開し、Maestroと名付けられた新ファミリーモデルを中心にNvidiaとのパートナーシップを発表した。
既存ツールを操縦するエージェント
電子設計自動化（EDA）ソフトウェアを専門とするCadenceは、高度なパッケージングとプリント基板（PCB）設計のためのAuraStack、システムオンチップ（SoC）の設計と検証のためのChipStack、PHYルーティングのためのInnoStack、アナログ回路設計のためのViraStackなどを提供している。
AnthropicのClaude CodeやOpenAIのCodexの原理に基づき、これらのエージェントは「ハーネス」と呼ばれるソフトウェア層に依存しており、大規模言語モデル（LLM）を設計およびテストフローの自動化と連携させる。これらはCadenceのEDAツール、テストツール、検証ツールをオーケストレーションする。その論理はプログラミングアシスタントを彷彿とさせる：コードはコンパイルされるかされないかであり、Cadenceはその設計が期待通りに機能するかを検証するためのテストを備えている。
しかし、これらのテストの有効性は、モデルのトレーニングデータと、モデルが処理する入力・出力との近接性に大きく依存する。Cadenceの初期のエージェントは、回路の動作を記述する言語であるレジスタ転送レベル（RTL）記述にほとんどさらされていない商用LLMに大きく依存していた。「これらの既製の基盤モデルは非常に強力ではあるが、それだけで全てを行うことは問題外だ。それらは出発点であり、さらに特化させることができる」とポール・カニンガム氏は述べた。
CadenceツールでトレーニングされたMaestroモデル
そこでCadenceはNvidiaとのパートナーシップを発表し、Maestroモデルファミリーを立ち上げた。これらのモデルは、Cadenceのツールと連携し、その結果を解釈するために、NvidiaのNemotronファミリーを用いてファインチューニング（既存モデルからの特化）された。
Cadenceによると、予備テストでは結果の品質が「最大」30％向上し、トークン効率が汎用基盤モデルと比べて「最大」5倍向上したことが示されたという。トークンはモデルが処理するテキストの単位であり、ここでは計算コストの測定に用いられる。同社によれば、自社ツールで追加トレーニングされたモデルは、より高性能で、実行コストも低くなるとのことだ。
Maestroプラットフォームでは、顧客データを用いたモデルのカスタマイズも可能である。ポール・カニンガム氏は、このオプションは顧客が単独で行う取り組みではなく、マネージドサービスとして提供されると説明した。モデルとエージェントは、API経由、セキュアなVPC（分離された仮想プライベートネットワーク）内、または必要なハードウェアを備えた企業ではオンプレミスで利用できる。
チップ設計を超える関心
高性能計算（HPC）ワークロードを操縦するためのAIエージェントの使用を探求しているのはCadenceだけではない。Nvidiaはここ数年、HPCとAIを接近させており、同社のGPU（グラフィックスプロセッシングユニット）は、モデルのトレーニングや実行以外にも多くの用途に使用されている（ただし、ほとんどの購入者はその目的で使用しているが）。
このAI操縦型研究所のアイデアは、米国エネルギー省のジェネシスミッションの中核にも位置しており、この枠組みでNvidiaベースの多くの新たな大型スーパーコンピュータが発表されている。また、サンディア国立研究所の研究者らは、AIエージェントが新たな仮説を開発・テストする「自律型」研究所を発表した。ただし、これらの実験は現代的なハーネスやLLMさえも利用していなかった。公的研究資金が限られる状況では、研究者が退室した後もタスクを継続できる研究所アシスタントというアイデアは魅力的に映るかもしれない。
