Künstliche Intelligenz entfacht den harten Spitzenwettbewerb im Chipdesign, während internationale Branchenriesen unkonventionelle Strategien verfolgen.
Mit der Veröffentlichung von GPT-Synopsys und dem Einstieg von KI-nativen Startups wie Agentrys und ChipAgents in den Bereich des Chipdesigns hat der KI-Wettbewerb in der EDA-Branche ein noch nie dagewesenes Ausmaß erreicht.
Angesichts dieser Veränderung hat Cadence plötzlich das spezialisierte KI-Modellportfolio Maestro auf den Markt gebracht, das auf domänenspezifische Modelle, intelligente Modellrouting, kundeneigene Daten sowie die tiefe Integration mit ausgereiften EDA- und SDA-Tools setzt. Von allgemeinen Großmodellen zu domänenspezialisierten Modellen und weiter zur Kombination von KI-Agenten und Ingenieurwerkzeugen entfaltet sich der KI-Wettbewerb im Bereich des Chipdesigns.
01 Cadence stellt Maestro vor und setzt auf spezialisierte KI
„KI-Agenten stellen eine transformative Marktchance dar, und Cadence ist gut positioniert, um diese Chance voll auszunutzen“, erklärte Anirudh Devgan, Präsident und CEO von Cadence, auf der Telefonkonferenz zum Ergebnis des dritten Quartals. Die Zukunft des KI-Agenten-Designs werde zunehmend auf domänenspezialisierten Modellen, intelligenter Modellrouting und Verstärkungslernschleifen basieren, die mit untergeordneten Tools kombiniert werden, um rekursive Selbstverbesserung zu erreichen.
Auf dieser Grundlage hat Cadence Maestro auf den Markt gebracht, ein Portfolio von domänenspezialisierten KI-Modellen, das speziell für Chip- und Systemdesign entwickelt wurde. Dieses Portfolio umfasst Modelle unterschiedlicher Größe und Architektur, darunter großsprachige Modelle, die nach der Domänenspezialisierung trainiert wurden, trainierte Entscheidungsmodelle sowie Agentenfähigkeiten, die sich selbst verbessern können.
Wie bekannt ist, umfasst das Maestro-Modellportfolio Modelle wie NVIDIA Nemotron und kombiniert domänenspezialisierte Modelle, Entscheidungsmodelle und Agentenfähigkeiten. Cadence gibt an, dass erste Ergebnisse zeigen, dass die Modellqualität im Vergleich zu allgemeinen Basismodellen um bis zu 30 % verbessert wird und die Token-Effizienz um das bis zu 5-fache steigt. Darüber hinaus können Kunden ihre eigenen proprietären Designdaten nutzen, um die Modelle nachzutrainieren und so die Leistung der Modelle zu verbessern.
Darüber hinaus führt Maestro intelligente Modellrouting ein, das je nach Aufgabe das geeignete spezielle Modell oder andere Spitzenmodelle auswählt. Devgan erklärte, dass dies die Effizienz steigert, sodass Kunden mit denselben Kosten mehr Arbeit erledigen oder Aufgaben zu niedrigeren Kosten abschließen können.
Was die Bereitstellung betrifft, können Kunden die Cadence-Cloud oder eine öffentliche Cloud wählen oder Maestro in ihrer eigenen internen Umgebung bereitstellen und die Kontrolle über die Nutzung der Modelle und ihre eigenen Designdaten behalten. Wie CFO John Wall auf der Telefonkonferenz erklärte: „Unsere Strategie konzentriert sich weiterhin darauf, hochwertige Ingenieursoftware anzubieten, anstatt ein großes allgemeines KI-Infrastrukturgeschäft aufzubauen.“
02 Im Vergleich zu GPT-Synopsys beginnen sich zwei Wege zu differenzieren
Tatsächlich kündigten Synopsys und OpenAI kurz vor der Einführung von Maestro durch Cadence eine Zusammenarbeit zur Entwicklung von GPT-Synopsys an, die Spitzenmodelle von OpenAI mit der EDA-Expertise von Synopsys kombiniert, damit KI Chipdesign und -verifikation verstehen und direkt auf die Tools von Synopsys zugreifen kann.
Im Vergleich zu GPT-Synopsys erklärte Devgan auf der Telefonkonferenz, dass Cadence seit der Gründung von OpenAI mit diesem zusammenarbeitet und gleichzeitig mit führenden Modellen wie Anthropic und Gemini kooperiert. Er betonte, dass Maestro nicht auf die eigenen Modelle von Cadence beschränkt ist, sondern je nach Aufgabe das geeignete Modell auswählen kann. Für bestimmte Aufgaben können entsprechende Spitzenmodelle ausgewählt werden, und Cadence erforscht sowohl Modelle mit offenen Gewichten als auch quellgeschlossene Modelle.
Devgan fasst das KI-System von Cadence in drei Ebenen zusammen: Die obere Ebene besteht aus KI-Agenten und Orchestrierung, die mittlere Ebene aus physikalisch präzisen Simulations- und Optimierungs-Engines und die untere Ebene aus beschleunigter Berechnung und proprietären Daten. Seiner Meinung nach kann die Kombination von KI-Agenten, Maestro-Modellen und ausgereiften EDA- und SDA-Tools den Kunden bessere Ergebnisse in Bezug auf Leistung, Effizienz und Durchsatz liefern.
Laut den von Cadence veröffentlichten Kundenfällen hat MediaTek ChipStack in den digitalen Verifikationsabläufen der Produktion eingesetzt, wodurch die Verifikationsabdeckung um 50 % bis 70 % gesteigert und der Ingenieuraufwand um das 1,4- bis 2-fache reduziert wurde. Das Renesas MCU-Team hat InnoStack in verschiedenen Ingenieuraufgaben eingesetzt, wodurch die Produktionseffizienz um das 34-fache gesteigert wurde. Nokia hat AuraStack auf seinem Supercomputer Millennium bereitgestellt, wodurch die Arbeitsabläufe für wichtige Design- und Analysearbeiten um das 5-fache beschleunigt wurden.
Von GPT-Synopsys, das Spitzenmodelle direkt auf EDA-Tools zugreifen lässt, bis hin zu Maestro, das die Kombination von spezialisierten Modellen, Modellrouting und ausgereiften Ingenieurwerkzeugen betont, verfolgen beide zwar unterschiedliche Wege, aber sie treiben die KI aus allgemeinen Fähigkeiten in den professionellen Chipdesign-Prozess voran.
03 Neue KI-Akteure treten ein, sind aber weiterhin auf professionelle Werkzeuge angewiesen
Neben den differenzierten Wegen der beiden großen EDA-Giganten suchen auch KI-native Startups nach Ansatzpunkten für Chipdesign und -verifikation.
Besonders beeindruckend sind zwei Unternehmen mit chinesischen Kernteams: Agentrys und ChipAgents. Ersteres hat gerade eine Finanzierung in Höhe von 24,5 Millionen US-Dollar abgeschlossen, um Agentic Design Automation (ADA) voranzutreiben, die die Nutzung von KI zur Ausführung von Ingenieuraufgaben und zur kontinuierlichen Verbesserung von Designabläufen erforscht; Letzteres konzentriert sich auf Chipdesign und -verifikation und erforscht die KI-generierte Erstellung von RTL-Code und Testplattformen, um Designs durch den Aufruf von EDA-Tools und Iterationen basierend auf Rückmeldungen zu verbessern.
Diese Erkundungen zeigen den neuen Trend, dass KI-native Tools in die Chip-Ingenieurarbeit einziehen. Allerdings sind KI-generierte Designergebnisse nur ein Teil des Prozesses. Chipdesign umfasst auch Verifikation, Timing-Schließung, physikalische Analyse und wiederholte Optimierung, die die Zusammenarbeit mit professionellen Werkzeugen und Ingenieurabläufen erfordern.
Das ist auch der Grund, warum Cadence sein eigenes Ingenieursoftwaresystem betont. Seine KI-Strategie konzentriert sich nicht nur darauf, ob Modelle Inhalte generieren können, sondern kombiniert Agenten, spezialisierte Modelle, EDA- und SDA-Tools, Simulationsoptimierungs-Engines, Rechenleistung und proprietäre Daten. Aus dieser Sicht sind KI-native Tools und ausgereifte EDA-Plattformen nicht gegensätzlich, sondern könnten in Zukunft in verschiedenen Gliedern zusammenarbeiten.
04 Von Chips zu komplexen Systemen: Cadence hat mehr als nur ein Gesicht
Bemerkenswert ist, dass Devgan auf der Telefonkonferenz zum dritten Quartal erwähnte, dass etwa 45 % des Umsatzes von Cadence aus Systemunternehmen stammen, also von Unternehmen außerhalb der Halbleiterindustrie. Neben großen Hyperscale-Rechenunternehmen beginnen auch andere Systemunternehmen wie Raumfahrtunternehmen und Finanzunternehmen, selbst Chipdesign durchzuführen. Diese Unternehmen schaffen Marktchancen in den Bereichen IP, Hardware und Design-Dienstleistungen, sodass das Wachstum aller Segmente über 20 % liegt.
Im Vergleich zum chinesischen Markt erreichte der Umsatz im dritten Quartal erneut einen historischen Höchststand. Laut der kürzlich von Cadence in Shanghai veranstalteten 2026 China Simulation Conference decken seine relevanten Fähigkeiten die Multiphysik-Simulation in Bereichen wie Vor- und Nachverarbeitung, Struktur, Mehrkörperdynamik, Akustik, Thermofluiddynamik, Elektromagnetismus, Materialien und virtuelle Fertigung, autonomes Fahren sowie KI-gesteuerte Simulationsoptimierung und Datenverwaltung ab und präsentieren integrierte Design- und Simulationslösungen von Chips und elektronischen Systemen bis hin zu komplexen mechatronischen Systemen.
In der Ingenieurpraxis wurde auf der Konferenz bekannt, dass die Designoptimierung, die KI und physikalische Simulation kombiniert, sowie die Simulationsberechnung, die durch GPU-Hardware beschleunigt wird, die CFD-Berechnungszeit von früher 69 Stunden auf 50 Minuten verkürzt, die Berechnung der Windgeräuschvorhersage im Fahrzeuginneren von 21 Stunden auf 79 Sekunden senkt, die Simulationsgeschwindigkeit für 3D-Additive-Fertigungsprozesse um bis zum 10-fachen steigert und der vollständige CFD-Arbeitsablauf täglich zwei oder mehr Designvarianten bewerten kann.
Darüber hinaus sind KI- und Simulationsdatenplattformen ebenfalls wichtige Themen. Die entsprechenden Themen umfassen reduziertes Ordnungsmodell, KI-Maschinelles Lernen gesteuerte Vorhersage und Simulationsoptimierung, Design Exploration sowie Daten- und Prozessverwaltung, was zeigt, dass KI in mehrere Glieder der Ingenieursimulation eindringt.
Schließlich führt Cadence von den spezialisierten Modellen von Maestro über die Kombination von KI-Agenten und Ingenieurwerkzeugen bis hin zu physikalischer Simulation und Systemebenen-Design KI in breitere Forschungs- und Entwicklungsabläufe ein. Der Wettbewerb um die Vorherrschaft im Bereich der KI besteht nicht nur im Wettbewerb um Modellfähigkeiten, sondern betrifft auch die Zusammenarbeit von professionellen Daten, Ingenieurwerkzeugen und dem gesamten Forschungs- und Entwicklungsablauf.
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Kun Shao Shuo“, Autor: Kun Shao, und wird mit Genehmigung von 36Kr veröffentlicht.