EDA 进内网:Cadence Maestro 的开放权重底座与「5 倍效率」宣称,验收单加 3 项
一、Cadence 发布了什么
10 月 26 日,Cadence Design Systems(Nasdaq: CDNS)发布「Maestro」AI 模型组合,将驱动 AuraStack、ChipStack、InnoStack、ViraStack 四个 AI Super Agent,覆盖芯片与系统设计全流程。该组合由三类模型构成:领域特化后训练 LLM、已训练决策模型与自改进 agent 技能,并与 Cadence 既有 EDA/SDA 工具和强化学习回路形成闭环。首批模型将于本季度(Q4)进入选定客户的早期接入(Early Access)。
架构上,Maestro 部分构建于 NVIDIA 开放权重 Nemotron 模型之上,安全层采用 NVIDIA 的 OpenShell。官方将组合定位为 model-agnostic:Nemotron 系开放权重之外,还可搭配前沿闭源模型。Cadence 高级副总裁 Paul Cunningham 表示,开放与封闭权重「正在被同等推进」,与商业实验室合作是 Maestro 愿景的一部分。
二、三层部署与「用你的数据后训练」
对私有化部署用户,核心在于部署分三层:Cadence 托管云、任意公有云、或完全留在客户自己的防火墙与数据中心内部。组合还能在客户的专有芯片设计、数据与流程上做后训练;官方称通过平衡 EDA/SDA 工具调用与 LLM 调用的比例,可降低整体 token 用量。
性能宣称(均为厂商自报,尚无独立复现):官方新闻稿称「较通用基础模型最高提升 30% 质量、最高 5 倍 token 效率」;路透社报道口径为「最高 30% 质量提升、最高 5 倍成本效率」。两处措辞略有出入,均指向同一组早期验证数据,进采购预算前需打折使用。
三、与 Synopsys 的对照:两条路线,两本账
对照对象是 9 月 30 日 Synopsys 与 OpenAI 的协议:双方共同开发 GPT-Synopsys,运行在 OpenAI 托管的基础设施上,并与对方分成。Cadence 公告当日股价上涨 3.9%。对 EDA 用户而言,市场上从此有两条商业路线:一条是「数据出内网、与模型方分成」,另一条是「开放权重底座、内网后训练、不分成」。要求芯片设计数据不出内网的企业,只有后者真正满足合规约束。
四、私有化验收单要加的 3 项
需要把 EDA AI 放进防火墙内的企业,建议验收单加 3 项:数据边界——确认后训练数据留在客户防火墙内,Nemotron 底座开放权重层的推理可完全自持、数据不出 Cadence 与 NVIDIA 的云;算力——Maestro 组合「跨多种模型尺寸」,具体参数量与显存要求未公布,可参考本站此前实测(Nemotron 74B 二位量化单卡常驻约 31.4GB),若特化版同量级则中等规模 GPU 集群可承载,若百万级长上下文是硬指标,需先按 512 路并发算 KV cache;效率宣称——「5 倍 token 效率」是「up to」上限口径,建议按 2 至 3 倍做预算基准,因其增益主要来自 LLM 调用占比下降,比「模型更聪明」更稳定、也更便于验收时复测。
观察:在 EDA 这个垂直纵深最深的领域,「领域特化开放权重 + 你的数据后训练」正式成为标准产品形态。私有化用户该问的不再是买不买模型,而是厂商是否把后训练与自持推理的数据边界开放出来——那决定这是一次性投入还是持续的分成支出。
来源:路透社(2026-10-26,Stephen Nellis)、Cadence 官方新闻稿(2026-10-26);性能数字均为厂商自报。