Cadence 发布芯片设计专用 AI 模型 Maestro，2026 年 Q4 向部分客户开放早期体验

全球最大的电子设计自动化（EDA）公司之一 Cadence 在财报发布前夕通过新闻稿发布了 Maestro——一套为自家芯片设计 agent 定制的领域专用 AI 模型组合。与通用 AI 模型的初步对比结果显示，Cadence 称其结果质量最高可提升 30%，且完成同样的任务消耗的 token 更少，token 效率最高可达 5 倍。首批模型将于 2026 年第四季度"面向部分早期体验客户开放"，客户可以在 Cadence 云、公有云或自控的本地环境中运行，并基于自己的"专有数据、设计和工作流"进行后训练。为了深入了解 Maestro，我们采访了 Cadence 两位高管：战略与新业务高级集团总监 Rob Knoth，以及高级副总裁兼总经理 Paul Cunningham。

这一路线与 Synopsys 自家的专用模型 GPT-Synopsys 明显不同——后者将运行在 OpenAI 托管的基础设施上，且不使用客户数据训练模型。两家 EDA 巨头在不到一个月内先后发布的模型，如今在客户设计数据的去向问题上走上了不同道路。但动机可能是一致的：Cadence 高级副总裁兼总经理 Paul Cunningham 告诉，agent 的成本"已经开始爆发式增长"，他还说："我觉得整个世界都意识到了这一点。"他表示，把 agent 更多的迭代工作"内化到模型权重里"，就成了顺理成章的下一步。

Maestro 通过 Cadence 的 AI 超级智能体 跨出了这一步。这些智能体能够“解读设计意图、拆解任务”，并“协调 Maestro 组合与其他领先的闭源及开放权重模型”，通过评估权衡来结合领域专业知识引导决策。该系统还运用了强化学习（RL），其中 Cadence 的“确定性求解器会根据工程目标、约束条件及真值来评估输出结果”，关键在于，这些结果会反馈回模型以促使其持续改进。

涉及的模型包括 Nvidia 的 Nemotron，客户可以使用 Cadence 的微调框架自行执行基于客户数据的训练步骤，Cunningham 表示，这甚至可以在“客户自己的 GPU、客户自己的网络”上进行。他补充说，Nemotron 的表现“非常扎实，实际上还在以极快的速度进步”。

在代理式 EDA（电子设计自动化）领域，一个反复出现的痛点是必须明确数值指标究竟在衡量什么。在芯片设计中，结果质量通常指设计的功耗、性能和面积（PPA），尽管 Cadence 未说明其 30% 这一数据具体衡量的是哪一项指标。该数据与 5 倍 Token 效率指标均是相对于“通用基础模型”计算的，Cadence 向我们解释，这是指 Maestro 训练前所使用的开源基础模型。该公司拒绝透露 Maestro 所衍生自的具体基础 AI 模型名称，仅称其为“一款极具竞争力的领先开源模型，与商业前沿模型不相上下”。

Cadence 将 Token 节省归功于其 EDA 和 SDA（系统设计自动化）“工具调用与 LLM 调用之间的平衡”。Cunningham 打了个比方：“你不需要为了去 Safeway 超市而驾驶喷气发动机”，你需要做的是“在正确的时间、为正确的任务使用正确的模型”。

运行环境同样重要。Cadence 战略与新业务高级集团总监 Rob Knoth 在九月份曾对媒体表示，一次工具调用可能需要数小时甚至数天才能返回结果，而 AI 行业的训练循环“习惯在几分钟内完成”。Cunningham 指出，效率的提升也可能降低成本，因为使用 Maestro 的次数计入 Cadence 智能体定价的订阅中，该订阅包含一定的消耗额度，超出部分则需额外付费。但他未透露节省 Token 是否直接降低客户账单。

为客户保持灵活性是任何解决方案的关键要素。对于 Cadence 的竞争对手 Synopsys 而言，这种灵活性体现在 Autopilot 中。Synopsys 称，该平台允许客户在“Synopsys 托管和客户托管部署”中，选择使用云端或本地基础设施，并从“商业、开源及微调语言模型”中进行挑选。在智能体安全（如沙箱技术）方面，Cadence 表示正与 Nvidia 合作，集成 Nvidia 上周发布的 OpenShell 参考架构，该架构明确提及了 Cadence 和 Synopsys。这些选项有助于保护客户知识产权。

Swipe to scroll horizontally Cadence Maestro vs. GPT-Synopsys

表头列 - 列 0	Cadence Maestro	GPT-Synopsys
发布时间	2026年10月26日	2026年9月30日
产品定义	为 Cadence AI 超级智能体打造的领域专用 AI 模型组合	可直接操作 Synopsys 工具的专用模型
模型合作伙伴	Nvidia (Nemotron, OpenShell)	OpenAI
模型类型	后训练 LLM、训练过的决策模型和智能体技能，混合了前沿及开源权重模型（包括 Nemotron）	OpenAI 前沿模型
运行位置	Cadence 云平台、公有云或客户自管的本地环境	OpenAI 托管的基础设施
客户数据	2025年11月	ChipStack 收购（智能体验证初创公司）	—	已完成；联合创始人 Kartik Hegde 现任 Cadence 核心 AI 研究部门负责人
2026 年 2 月	ChipStack AI Super Agent	将设计编码、测试平台、测试计划、回归测试及调试效率提升最高 10 倍	自发布以来处于早期访问阶段
2026 年 4 月	ViraStack（定制和模拟）、InnoStack（数字实现）及 AgentStack（头部智能体）	—	Socionext 已在生产环境中部署 InnoStack；其他客户未披露
2026 年 6 月	基于 Nvidia Nemotron 和 OpenShell 的 Level 5 ChipStack	在 Nvidia 的部署中，RTL 验证周期缩短超过 40 倍	Level 5 和 AgentStack 预计于 2026 年下半年向早期访问客户提供
2026 年 7 月	AuraStack（PCB 和先进封装）	上市时间缩短最高 2 倍，生产力提升最高 15 倍	可在 Cadence Millennium M2000 超级计算机上运行；Nokia 正在部署（10 月 21 日）
2026 年 9 月	ChipStack RTL 生成智能体	早期评估显示，相比纯基础模型生成的代码，平均面积减少 24%，功耗降低 18%	预计 2026 年 Q4 向精选早期访问客户提供；正与 Honda 研发部门开展早期合作
2026 年 10 月 26 日	Maestro AI 模型组合	初步结果显示，相比通用基础模型，结果质量提高最高 30%，Token 效率提升最高 5 倍	首批模型预计 2026 年 Q4 向精选早期访问客户提供；约有一打项目合作

这种快速的进展意味着必须清晰区分早期访问和正式可用。Cadence 和 Synopsys 均可引用客户合作案例，且对于后者而言，AgentEngineer 组合和 Autopilot 平台的目标是在年底前实现正式可用；Cadence 尚未公布 Maestro 的正式可用日期。不过，对于 GPT-Synopsys，据其合作伙伴称，目前仅“早期技术合作正在进行中”。这些平台和智能体仍处于开发进程中。

在Q4之前，Cunningham希望Maestro能积累更多案例研究和可量化的效益。正如他恰切指出的，真正的关键在于：“我们将原生生地将Agent和Agentic AI引入EDA垂直领域，而非让该垂直领域被嵌入通用型Agent中。”尽管只有客户在真实工作流中的实测结果才能验证Cadence所宣称的30%数据，但就两家公司的早期表现而言，这些初步数字对EDA行业来说极具吸引力且前景广阔。