По словам Пола Каннингема, старшего вице-президента Cadence Systems, от 20 до 30% разрабатываемых сегодня чипов создаются с помощью ИИ-агентов, и эта доля быстро растет. В последнее время Cadence развернула серию инструментов под названием «AI Super Agents» и объявила о партнерстве с Nvidia вокруг нового семейства моделей Maestro.
Агенты, управляющие существующими инструментами
Специализируясь на программном обеспечении для автоматизации проектирования электроники (EDA), Cadence предлагает, в частности, AuraStack для продвинутого монтажа и проектирования печатных плат (PCB), ChipStack для проектирования и верификации систем на кристалле (SoC), InnoStack для PHY-маршрутизации и ViraStack для проектирования аналоговых схем.
По принципу Claude Code от Anthropic или Codex от OpenAI, эти агенты основаны на программных слоях, называемых «harnesses», которые связывают языковые модели (LLM) с автоматизацией потоков проектирования и тестирования. Они оркестрируют инструменты EDA, тестирования и верификации Cadence. Логика напоминает ассистентов программирования: код либо компилируется, либо нет, а у Cadence есть тесты, предназначенные для проверки того, что её проекты будут работать как задумано.
Однако эффективность этих тестов сильно зависит от близости обучающих данных моделей к обрабатываемым входам и выходам. Первые агенты Cadence в значительной степени опирались на коммерческие LLM, мало знакомые с описанием на уровне регистров (RTL) — языком, описывающим работу схемы. «Не может быть и речи о том, чтобы эти готовые базовые модели, пусть и невероятно мощные, делали всё сами. Они — отправная точка, и их ещё можно специализировать», — заявил Пол Каннингем.
Модели Maestro, обученные на инструментах Cadence
Поэтому Cadence объявила о партнерстве с Nvidia и запустила семейство моделей Maestro. Эти модели были дообучены (fine-tuning, то есть специализированы на основе существующей модели) с помощью семейства Nemotron от Nvidia для работы с инструментами Cadence и интерпретации их результатов.
По данным Cadence, предварительные тесты показали улучшение качества результатов «до» 30%, а также эффективность в токенах «до» 5 раз выше, чем у общих базовых моделей. Токен, единица текста, обрабатываемая моделью, здесь служит для измерения вычислительных затрат. По словам компании, модели, дообученные на её инструментах, будут одновременно более производительными и менее затратными в эксплуатации.
Платформа Maestro также позволяет настраивать модели на основе данных клиентов. Пол Каннингем уточнил, что эта опция будет предлагаться в виде управляемого сервиса, а не как самостоятельная инициатива клиентов. Модели и агенты можно использовать через API, в защищенном VPC (изолированной частной виртуальной сети) или, для компаний с необходимым оборудованием, локально.
Интерес, выходящий за рамки проектирования чипов
Cadence — не единственная, кто исследует использование ИИ-агентов для управления высокопроизводительными вычислениями (HPC). Nvidia уже несколько лет сближает HPC и ИИ: её GPU используются далеко не только для обучения и выполнения моделей, хотя большинство покупателей приобретают их именно для этого.
Эта идея лабораторий под управлением ИИ также лежит в основе Genesis Mission Министерства энергетики США, в рамках которой было анонсировано множество новых крупных суперкомпьютеров на базе Nvidia. Кроме того, исследователи из Sandia National Labs представили так называемую «автономную» лабораторию (self-driving lab), где ИИ-агенты разрабатывают и тестируют новые гипотезы. Однако эти эксперименты не использовали ни современных harnesses, ни даже LLM. В условиях ограниченного финансирования государственных исследований идея лабораторного ассистента, способного продолжать задачи после ухода исследователей, может показаться привлекательной.
