AREX Feed Article
Cadence 发布 Maestro 领域专用 AI 模型组合，官方称 QoR 最高提升 30%、token 效率最高提升 5 倍
2026 年 10 月 26 日，EDA（electronic design automation，电子设计自动化）公司 Cadence（Nasdaq: CDNS）宣布推出 Maestro AI Model Portfolio，一组为 agentic（智能体式）芯片与系统设计构建的领域专用 AI 模型。组合由三类组件构成：经领域数据后训练的大语言模型（LLM）、训练过的决策模型，以及可自我改进的 agent skills；这些模型通过强化学习（reinforcement learning，RL）循环与 Cadence 的 EDA 和 SDA（system design automation，系统设计自动化）工具相连，驱动公司的 AuraStack、ChipStack、InnoStack 和 ViraStack 四个 AI Super Agents（）。
Cadence 自报的初步结果显示，与通用基础模型相比，Maestro 在设计工作流中的 QoR（quality of results，设计结果质量）最高提升 30%，token（词元）效率最高提升 5 倍；首批 Maestro 模型将于 2026 年四季度向部分早期接入客户开放。Cadence 总裁兼 CEO Anirudh Devgan 在新闻稿中称：「变革复杂工程任务需要深度的领域专用智能」，将 Maestro 组合与领先的 frontier（前沿）及 open-weight（开放权重）模型结合，能让 AI Super Agents「以出色的技能和效率」驱动 Cadence 的 EDA 与 SDA 工具。这组性能数字均出自 Cadence 自己的测试口径，目前没有独立第三方的核实数据。
把 EDA 工具变成强化学习的裁判
按新闻稿的说法，30% 和 5 倍这两个数字来自一个「垂直整合的学习环境」：Cadence 的领域知识、精选工程数据集、AI Super Agents、EDA/SDA 工具与评估框架组合在一起，由 Cadence 的算法和确定性求解器（deterministic solvers）对照工程目标、约束条件和 ground truth（基准真值）评估模型输出，形成封闭且经验证的反馈回路，供强化学习和递归自我改进使用。
模型分工上，frontier 和 open-weight 模型提供通用的语言、推理与多模态能力，Maestro 提供芯片与系统设计领域的专门知识。接到一个高层目标后，AI Super Agents 负责解读设计意图、拆解任务、编排 Maestro 与其他模型，并驱动 EDA/SDA 工具——解释规格、生成设计内容、分析结果、评估权衡，再按工程要求、成本和安全约束引导决策。token 效率的提升则来自另一处机制：在 EDA/SDA 工具调用与 LLM 调用之间做平衡，减少 token 用量，同时保持执行效率。
发布的 Cadence 架构图（即本文配图）显示了 Maestro 在产品体系中的位置：上方是 AgentStack 层的各个 AI Super Agent——ChipStack 对应设计与验证，ViraStack 对应定制与模拟，InnoStack 对应数字实现与签核，AuraStack 对应 PCB 与先进封装，图中还出现了面向 Multiphysics 的 SystemStack AI Super Agent；Maestro 以标注 NEW 的一层夹在中间，其下是 JedAI 数据与 AI 平台，以及「云端与本地部署的 LLM 与算力」。
NVIDIA：Nemotron 进组合，OpenShell 管安全
NVIDIA 副总裁兼工业与计算工程总经理 Tim Costa 在新闻稿中表示，agentic 芯片设计需要能够生成设计内容、评估权衡并从经验证的工程结果中学习的 AI；此次合作把 NVIDIA Nemotron、OpenShell 和工程经验带进 Maestro 的领域专用模型，把强化学习锚定在 EDA 工具与确定性求解器的反馈上，「我们可以教会 agent 根据工作成果满足工程目标与约束的程度，做出更好的设计决策」。新闻稿还写明，包含 Nemotron 在内的 Maestro 模型可以在客户的专有数据、设计和工作流上进一步后训练。
安全方面，Cadence 与 NVIDIA 正在通过集成 NVIDIA OpenShell 参考架构开展 agent 安全合作。NVIDIA 于 10 月 21 日在 GTC Berlin 发布这套参考架构，用于在企业基础设施和边缘系统上构建、隔离、观测和约束 AI agent；在该发布中，Cadence 被列在与 OpenShell 合作构建 agent 软件平台的企业软件厂商之列（）。
数据留在哪一侧：与 Synopsys 的路线分歧
部署方式上，完整的 agentic 环境——AI Super Agents、Maestro 模型和 EDA 工具——可以运行在 Cadence 托管的安全云平台、受控的公共云，或客户控制的本地（on-premises）环境中，以满足数据隐私、安全和部署方面的要求。
把这一点与 Synopsys 的路线做了对照：9 月 30 日，Synopsys 与 OpenAI 宣布多年协议共建 GPT-Synopsys 专用模型，该模型将运行在 OpenAI 托管的基础设施上，且不使用客户数据训练模型，发布日期与定价均未披露。两家 EDA 厂商的领域专用模型相隔不到一个月先后亮相，分歧点落在客户设计数据放在谁那里。
早期客户：已经在生产环境里的 agents
新闻稿中的客户引述集中在已有的 Super Agents 部署上。Socionext COO Hisato Yoshida 称，公司正把 InnoStack AI Super Agent 部署进生产设计环境，结合 agentic AI 与先进 EDA 物理设计工具，预计整体生产力最高提升 5 倍并保持设计质量；他把 Maestro 组合视为在设计流程中继续提效的下一步。Silicon Labs 工程副总裁 Garima Sharda 称，工程团队使用 ChipStack AI Super Agent 中的 Verisium Debug，在硅前低功耗验证中加快了根因分析和端到端调试，并期待 Maestro 领域专用模型带来进一步收益。
Cadence 同日发布的三季度财报把这项业务列为亮点：AI Super Agents 已有超过 100 个活跃客户合作项目，覆盖数字、模拟与定制、系统设计等工作流（）。
赶在财报前发布，成本是动因
这份产品新闻稿与 Cadence 三季度财报同日面世，后者于美东时间下午 4 点刚过发出：三季度营收 16.33 亿美元，较 2025 年三季度的 13.39 亿美元增长 22%，季度末积压订单（backlog）达到 82 亿美元的纪录水平，公司把 2026 年全年营收增长预期上调至 21%。Anirudh Devgan 在财报引语中直接点名 Maestro 的发布，称凭借 Maestro 和加速部署的 AI Super Agents，Cadence 在抓住这场 Agentic AI 机会方面「处于极为有利的位置」。
Tom's Hardware 指出，新闻稿的发出时点就在财报之前，并就 Maestro 采访了 Cadence 两位高管：负责战略与新业务的资深集团总监 Rob Knoth，以及高级副总裁兼总经理 Paul Cunningham。Cunningham 解释了把领域知识压进模型权重的动因：agent 的成本「真的开始飙升」，「我认为全世界都意识到了这一点」，因此把 agent 更多的迭代工作移入模型本身的权重是顺理成章的一步。
至于 30% 和 5 倍这两个数字，Cadence 只给出了「与一个通用基础模型相比」的比较口径，没有公布基准所用的任务、数据集或对照模型的名称；加上首批模型四季度只面向「部分早期接入客户」，这两个数字能否在第三方场景中复现，目前无从验证。