Cadence، یکی از تامین‌کنندگان اصلی نرم‌افزار اتوماسیون طراحی الکترونیکی (EDA)، Maestro را معرفی کرده است، مجموعه‌ای از مدل‌های AI تخصصی دامنه که برای طراحی تراشه و سیستم عامل ساخته شده‌اند. این اعلامیه که در 26 اکتبر منتشر شد و توسط رویترز، فوربس و سخت افزار تام پوشش داده شد، یک شرط استراتژیک را نشان می دهد که جهش بعدی در بهره وری سیلیکون از چت ربات های همه منظوره نیست، بلکه از مدل های دقیق تنظیم شده است که عمیقاً دنیای تخصصی طراحی نیمه هادی ها را درک می کنند.

استاد چیست For more context on this story, see our ongoing latest AI developments.

Maestro خانواده ای از مدل های هوش مصنوعی است که به طور خاص برای هدایت عوامل طراحی تراشه های تخصصی در جریان کار طراحی نیمه هادی و سیستم تنظیم شده اند. همانطور که Electronics Weekly گزارش داد، Maestro AI Model Portfolio به آنچه Cadence آن را Super Agents هوش مصنوعی می نامد قدرت می دهد - سیستم های عاملی که می توانند وظایف مهندسی چند مرحله ای را در جریان طراحی برنامه ریزی و اجرا کنند، نه اینکه صرفاً به سؤالات مربوط به آن پاسخ دهند.

فوربس این راه‌اندازی را به‌عنوان Cadence تعریف کرد که «بازی عاملی خود را ارتقا می‌دهد»، به جای تکیه کامل بر مدل‌های مرزی شخص ثالث، استراتژی نمایندگی شرکت را در راس یک پایه مدل اختصاصی قرار می‌دهد.

زاویه استقرار درون خانه

جزئیاتی که بیشترین توجه صنعت را به خود جلب کرد از رویترز بود: مدل ها به گونه ای طراحی شده اند که سازندگان تراشه بتوانند آنها را در داخل خود اجرا کنند. این مهم است زیرا طراحی نیمه هادی یکی از حساس ترین فعالیت های IP در فناوری است. معماران تراشه معمولاً تمایلی به مسیریابی داده‌های طراحی اختصاصی، جزئیات طرح‌بندی یا ویژگی‌های عملکرد از طریق سرویس‌های ابری خارجی ندارند، و یک مدل استقرار که هم مدل‌ها و هم داده‌های طراحی را در محیط خود مشتری نگه می‌دارد، مانع اصلی پذیرش را برطرف می‌کند.

Tom's Hardware گزارش داد که دسترسی زودهنگام به "مشتریان منتخب" از سه ماهه چهارم سال 2026 محدود خواهد شد، که نشان می دهد Cadence با عرضه اولیه به عنوان یک پایلوت کنترل شده با خانه های طراحی بزرگ قبل از در دسترس بودن گسترده تر رفتار می کند.

چرا مدل های اختصاصی دامنه برای طراحی تراشه؟

این حرکت نشان دهنده یک تغییر گسترده تر در نحوه جذب هوش مصنوعی توسط صنعت نیمه هادی است. مدل‌های زبان بزرگ همه منظوره توانایی نوشتن اسکریپت‌ها، خلاصه کردن مستندات و کمک به کارهای تأیید را ثابت کرده‌اند، اما لبه برتر EDA شامل نمایش‌های عمیقاً تخصصی - فهرست‌های شبکه، محدودیت‌های زمان‌بندی، قوانین طرح‌بندی فیزیکی و داده‌های شبیه‌سازی است - که مدل‌های عمومی بدون پایه‌گذاری گسترده، ضعیف از عهده آن برمی‌آیند.

Cadence با تنظیم دقیق مدل‌ها در دانش دامنه و اتصال آن‌ها به جریان‌های کاری عاملی، از کتابی پیروی می‌کند که در سایر عمودی‌ها کار کرده است: یک کلاس مدل عمومی توانمند را انتخاب کنید، آن را به شدت برای یک دامنه حرفه‌ای باریک تخصصی کنید، و آن را با زنجیره ابزار موجود فروشنده که در آن کار واقعی اتفاق می‌افتد، ادغام کنید.

قاب بندی عامل به خودی خود قابل توجه است. به‌جای نسخه‌ای که خط بعدی کد را پیشنهاد می‌کند، می‌توان یک سیستم طراحی عاملی را هدف سطح بالاتری در نظر گرفت - کاوش در این فضای طراحی، نزدیک کردن زمان بر روی این بلوک، تنظیم این منحنی عملکرد - و با استفاده از ابزارهای EDA به‌عنوان دست خود، به سمت آن حرکت کند. تامز سخت‌افزار Maestro را دقیقاً به این صورت توصیف می‌کند: مدل‌هایی که برای اجرای عوامل تخصصی طراحی تراشه ساخته شده‌اند.

یک مسابقه رقابتی با Synopsys و آزمایشگاه های هوش مصنوعی

Cadence در تعقیب طراحی تراشه مبتنی بر هوش مصنوعی تنها نیست. DIGITIMES این راه‌اندازی را با شرایط رقابتی صریح گزارش داد: Cadence روی مدل‌های هوش مصنوعی طراحی تراشه‌های خودش شرط‌بندی می‌کند همانطور که رقیب اصلی آن Synopsys با OpenAI همکاری کرده است. زمینه گسترده‌تر در بررسی عمیق سخت‌افزار تام در سپتامبر در مورد چگونگی شروع طراحی سیلیکون توسط سیلیکون، شامل همه چیز از تلاش‌های هوش مصنوعی داخلی فروشندگان EDA گرفته تا جاه‌طلبی‌های طراحی تراشه OpenAI را پوشش می‌دهد.

این پویایی رقابتی خطرات را به میزان قابل توجهی افزایش می دهد. EDA عملاً یک دوقطبی در لبه برتر است، و هر فروشنده ای که برای اولین بار فشرده سازی چرخه طراحی معنی دار را از هوش مصنوعی نشان دهد، می تواند نحوه ساخت تراشه ها را تغییر دهد - و چه کسی ارزش تقاضای فزاینده صنعت برای سیلیکون جدید را جلب می کند.

همچنین با الگوی گسترده‌تری از شرکت‌های هوش مصنوعی که به سمت ابزارهای سخت‌افزاری و سخت‌افزاری حرکت می‌کنند همخوانی دارد: همان ساخت محاسباتی که سازندگان تراشه را غنی کرده است، فشاری را برای طراحی سریع‌تر تراشه‌های نسل بعدی ایجاد می‌کند و هوش مصنوعی اهرم آشکار است.

چه چیزی را تماشا کنیم

آزمون کوتاه مدت، برنامه دسترسی زودهنگام سه ماهه چهارم است. اگر مشتریان منتخب نتایجی را منتشر کنند که دستاوردهای واقعی را در بهره‌وری طراحی نشان می‌دهد، انتظار فشار پذیرش سریع در سراسر صنعت را داشته باشید - و انتظار داشته باشید که Synopsys با هر چیزی که مشارکت OpenAI خود ایجاد کرده است مقابله کند. اگر پایلوت متوقف شود، راه‌اندازی شواهدی است مبنی بر اینکه مدل‌های تنظیم‌شده در دامنه هنوز با پیچیدگی کامل طراحی پیشرو دست و پنجه نرم می‌کنند.

در هر صورت، این اطلاعیه تاکید می‌کند که هوش مصنوعی با چه سرعتی از موضوعی که شرکت‌های تراشه درباره آن صحبت می‌کنند به ابزاری تعبیه شده در جریان کار واقعی طراحی تراشه‌هایی که خود هوش مصنوعی را تقویت می‌کنند، حرکت می‌کند.

تصویر بزرگتر برای سیلیکون

اهمیت راه اندازی فراتر از یک خانواده محصول است. چرخه‌های طراحی تراشه‌های مدرن در طول سال‌ها طول می‌کشند و منابع مهندسی عظیمی را مصرف می‌کنند، و نرم‌افزار EDA در مرکز هر یک از آنها قرار دارد - طراحی منطقی، تأیید، پیاده‌سازی فیزیکی و علامت‌گذاری همگی از طریق ابزارهای تعداد انگشت شماری از فروشندگان جریان می‌یابند. هر فناوری که این چرخه ها را فشرده کند، تأثیر بزرگی بر سرعت رسیدن سخت افزار جدید به بازار دارد.

دقیقاً به همین دلیل است که هوش مصنوعی عامل در EDA توجه زیادی را به خود جلب کرده است. این صنعت به طور همزمان برای تولید تراشه های بیشتر برای مراکز داده هوش مصنوعی رقابت می کند و برای استخدام مهندسان طراحی با تجربه کافی تلاش می کند. خودکار کردن بخش‌های جریان طراحی یکی از معدود اهرم‌هایی است که هر دو مشکل را به طور همزمان برطرف می‌کند و مدل‌های تخصصی حوزه مانند Maestro ملموس‌ترین تلاشی هستند که تاکنون برای کشیدن آن اهرم وجود دارد.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →