Cadence联手英伟达，助力EDA自动化

如同病毒一般，生成式人工智能已经渗透到几乎所有技术领域，包括芯片和系统设计。Cadence Systems 高级副总裁 Paul Cunningham 表示，目前在研芯片中，约有 20% 到 30% 是在人工智能代理的辅助下设计的，而且这个数字还在快速增长。

从很多方面来看，Cadence 的最新产品是生成式人工智能和高性能计算如何不仅在工业界而且在科学界共存的最清晰例证之一。

在过去一年左右的时间里，这家 EDA 巨头推出了一系列所谓的“AI 超级代理”，包括用于高级封装和 PCB 布局的AuraStack、用于 SoC 设计和验证的 ChipStack、用于 PHY 布线的 InnoStack 以及用于模拟电路设计的 ViraStack。

与 Anthropic 的 Claude Code 或 OpenAI 的 Codex 类似，这些框架旨在与 LLM 配合使用，通过协调 Cadence 现有的 EDA、测试和验证工具来自动化设计和测试流程。其原理与 AI 代码助手在软件工程师中迅速普及的原因非常相似：代码要么能编译，要么不能编译。同样，Cadence 也通过测试来验证其设计是否能按预期运行。

但就像许多代码助手一样，这些测试的有效性很大程度上取决于它们的训练数据与实际输入输出的相似程度。Cadence早期的智能体主要由现成的LLM驱动，这限制了它们接触到诸如RTL之类的技术。

“这些功能强大的现成基础模型并非万能，它们只是起点，你仍然可以进行专攻，”坎宁安说道。

为了进一步提升专业化水平，Cadence本周宣布与Nvidia建立合作伙伴关系，并推出了Maestro AI模型系列。这些模型基于Nvidia的Nemotron模型系列进行了微调，能够与Cadence自身的工具协同工作并解读其结果。

不出所料，更深入的领域知识往往能带来更好的结果。如果 Cadence 的数据可信，其 Maestro 模型早期测试结果显示，与通用基础模型相比，输出质量提升高达 30%，词元处理效率提升高达 5 倍。换句话说，使用 Cadence 工具进行后训练的模型不仅更智能，而且运行成本更低。

除了模型之外，Cadence 的 Maestro 平台还允许根据客户数据进行定制，不过 Cunningham 告诉我们，这将更多地作为托管服务提供，而不是让客户自己去摸索。

与现有的代理框架类似，Cadence 的 Maestro 模型和代理可以通过 API 访问模型，在安全的 VPC 中运行，或者，如果您拥有必要的硬件，也可以在本地运行。

Cadence并非唯一一家探索利用AI代理来协调高性能计算（HPC）工作负载的公司。多年来，英伟达一直在推动HPC与AI的融合，考虑到其GPU的用途远不止于训练和运行AI，即使这才是大多数人购买它们的目的，这也就不足为奇了。

人工智能驱动实验室的概念也是美国能源部“创世纪计划”的核心组成部分，在该计划下，我们看到了大量基于英伟达技术的新型大型超级计算机。

您可能还记得，桑迪亚国家实验室的研究人员最近展示了如何使用人工智能代理在他们所谓的自动驾驶实验室中开发和测试新的假设，尽管这些测试没有现代代理工具或LLM的优势。

鉴于公共研究人员获得的资金有限，很容易理解为什么人工智能实验室助手能够在你回家吃晚饭后很长时间内执行任务的想法会很有吸引力。

点这里👆加关注，锁定更多原创内容

*免责声明：文章内容系作者个人观点，半导体芯闻转载仅为了传达一种不同的观点，不代表半导体芯闻对该观点赞同或支持，如果有任何异议，欢迎联系我们。