Cadence发布Maestro模型组合 支持私有部署

时间：2026年10月26日（美国时间周一，路透社与多家科技媒体当日报道） 地点：美国加州圣何塞（Cadence Design Systems 总部），面向全球半导体设计与系统工程师 人物：Cadence 高级副总裁兼总经理 Paul Cunningham；英伟达副总裁 Tim Costa；客户方包括 Socionext、Silicon Labs；对比方 Synopsys 事件详情：2026年10月26日，EDA 巨头 Cadence Design Systems 发布名为 Maestro 的领域专用 AI 模型组合（domain-specialized AI model portfolio），专门用于芯片与系统设计流程。该组合由三类组件构成：针对芯片设计做过后训练的大型语言模型、经过训练的决策模型，以及可自我改进的智能体技能（agent skills）。Maestro 驱动 Cadence 现有的四大 AI Super Agents——面向 PCB 与先进封装的 AuraStack、面向设计与验证的 ChipStack、面向数字实现的 InnoStack，以及面向定制与模拟电路的 ViraStack。 技术底座方面，Maestro 部分构建在英伟达开源权重的 Nemotron 模型之上，并采用英伟达 OpenShell 安全技术加固。Cadence 同时宣布正与英伟达推进与 OpenShell 参考架构的集成——该参考架构由英伟达在此前一周推出，并把 Cadence 与 Synopsys 同时列入其中。Cadence 强调该套模型对底座供应商保持中立（model-agnostic），同时表示开权重与闭权重路线「同等推进」，与商业实验室的合作也属于 Maestro 愿景的一部分。 部署方式是这套模型的差异化重点。客户可以选择 Cadence 云、公有云，也可以把整套环境部署在企业自己的数据中心与防火墙之后。客户还可以用 Cadence 提供的微调工具链，在自己的 GPU 与自有网络上，用自己的数据、设计稿和工作流对模型做后训练。 Cadence 给出的初步数据是：相比通用型基座模型，结果质量最高提升 30%，token 效率最高提升 5 倍。需要注意的是，这两项均为厂商自报的初步结果，Cadence 并未说明「30% 质量提升」的具体度量口径。该数字来自其强化学习流程——由 Cadence 的确定性求解器把输出与工程目标、约束和 ground truth 逐项校验，再将结果回灌模型。 首批模型将于 2026 年第四季度向部分早期体验客户开放，约有十余个客户合作项目，官方未公布价格，使用量计入 Cadence 智能体订阅的额度之内。 背景：这是芯片设计软件领域两条路线的一次正面分野。竞争对手 Synopsys 于 9 月 30 日宣布与 OpenAI 联合开发 GPT-Synopsys，该模型运行在 OpenAI 托管的基础设施上，双方分享收入，且客户数据不用于训练。Cadence 走的是相反路径——自有模型权重 + 英伟达开源底座 + 客户自持基础设施。 Cadence 的智能体业务此前已积累一定客户规模：在 2026 年 7 月财报电话会上，CEO Anirudh Devgan 称设计与验证智能体 ChipStack 已有 20 多个客户合作项目，定制与模拟智能体 ViraStack 超过 25 个。Scionext 已在生产设计环境中导入 InnoStack，并预计在不损失质量的前提下获得最高约五倍的生产率提升；Silicon Labs 则表示 ChipStack 加速了调试流程。Cadence 的智能体整合始于 2025 年 11 月收购 ChipStack。 影响： - 对芯片设计软件厂商而言，AI 模型的竞争维度已经从「谁的基座模型更聪明」转向「模型跑在谁的服务器上、用谁的权重、客户的芯片设计数据流向哪里」。Cadence 押的是数据不出厂区，Synopsys 押的是模型能力的上限。 - 对芯片公司而言，Maestro 提供的可选项此前并不存在：既能拿到专用模型，又能让敏感设计数据留在自有机房，这在以往需要自建全套模型训练与推理栈的 EDA 流程中是一个显著门槛下移。 - 需要留意的是，30% 与 5 倍两项数字均为 Cadence 自报，且发生在自家工具链闭环内的早期测试。真正的判断依据要等第四季度早期体验阶段的第三方与客户实测，目前官方既未披露价格，也未说明 token 节省是否会直接转化为客户账单下降。 - 对英伟达而言，Nemotron 与 OpenShell 同时进入 EDA 头部厂商的商用产品，意味着其「开放权重 + 参考安全架构」的组合正在从数据中心侧向专业工程软件渗透，而 OpenShell 参考架构同时点名 Cadence 与 Synopsys，也说明英伟达在做全行业而非单点布局。 总结：把专用模型和客户数据一起留在企业机房，Maestro 用一套基础设施 + 权重 + 微调工具链的组合，给出了一个此前只有云厂商能给的选项。对高度保密的芯片设计资产而言，「模型可以私有部署、可以自己继续训练」可能比单纯的基准成绩更有说服力。代价是这套方案在第四季度之前还只存在于早期体验阶段，厂商自报的性能与真实生产效果之间仍有距离需要第三方来填平。 参考来源： https://www.tomshardware.com/tech-industry/semiconductors/cadence-reveals-maestro-fine-tuned-ai-models-built-to-run-specialized-chip-design-agents-with-early-access-coming-for-select-customers-in-q4-2026-claims-up-to-30-percent-higher-quality-results-and-up-to-5x-token-efficiency-over-a-general-purpose-ai-model https://techmannews.com/news/cadence-reveals-maestro-fine-tuned-ai-models-built-to-run https://iaenunminuto.com/en/news/2026-10-26-cadence-maestro-ai-chip-design-models https://theoutpost.ai/news-story/cadence-maestro-brings-domain-specialized-ai-models-to-chip-design-with-30-quality-boost-32647 https://www.analyticsinsight.net/amp/story/news/cadence-maestro-brings-nvidia-ai-models-to-chip-design https://finance.yahoo.com/technology/ai/articles/cadence-introduces-maestro-domain-specialized-130000534.html