xTec
בינה מלאכותית

קיידנס משיקה מערכת תכנון לומדת לשבבים בשיתוף אנבידיה

קיידנס השיקה את Maestro AI, משפחה של מודלי בינה מלאכותית לתכנון שבבים שלומדת מכלי התכנון הקיימים של החברה, בשיתוף אנבידיה.
מערכת xTec · 17 בנובמבר 2026
קיידנס משיקה מערכת תכנון לומדת לשבבים בשיתוף אנבידיה
אילוסטרציה · צילום: blickpixel · Pixabay · מקור

מה קרה

חברת קיידנס (Cadence) השיקה את Maestro AI Model Portfolio, מערכת בינה מלאכותית שנבנתה לתהליכי הפיתוח של שבבים ומערכות אלקטרוניות. לפי החברה, מדובר לא במערכת AI אחת אלא במשפחה של מודלים, שכל אחד מהם מתמחה במשימה הנדסית אחרת. המערכת משלבת מודלים מתמחים עם כלי ה-EDA ועם כלי ה-SDA של החברה, והיא כוללת יכולת למידה עצמית שמאפשרת למודלים להשתפר תוך כדי העבודה.

המהלך החשוב כאן הוא לא עוד מודל חדש, אלא הדרך שבה החברה מגדירה את הקשר בין הכלים לבין הבינה המלאכותית. קיידנס מציגה את כלי ה-EDA שלה כמקור של ידע ומשוב, כלומר התוצאות שהכלים מחזירים על תכנון מסוים הופכות לחומר שממנו הסוכנים לומדים. בשיטה כזאת הלמידה אינה נשענת רק על טקסט כללי מהאינטרנט, אלא על תוצאות מדידות של תכנון חומרה אמיתי.

גם אנבידיה מעורבת בפרויקט. טים קוסטה, מנכ״ל תחום ההנדסה התעשייתית והחישובית באנבידיה, מסר שהמערכת פותחה בשיתוף עם החברה, תוך שימוש במערכות Nemotron ו-OpenShell של אנבידיה. לדבריו, הלמידה הרציפה מהמשוב של כלי ה-EDA של קיידנס מסייעת ללמד את הסוכנים לקבל החלטות תכנון לפי מידת העמידה ביעדים ובאילוצים ההנדסיים.

איך המערכת בנויה

בראש המערכת עומדים סוכני־על מבוססי בינה מלאכותית, ובהם AuraStack, ChipStack, InnoStack ו-ViraStack, לצד AI Super Agents. הרעיון הוא שהמהנדס נותן יעד ברמה גבוהה, והסוכנים מפרשים את כוונת התכנון, מפרקים אותה למשימות קטנות יותר ומתזמרים את התהליך. במקביל הם מפעילים את כלי ה-EDA וה-SDA של החברה, ויכולים לעבוד לצד מודלי Frontier מובילים אחרים.

מבחינה טכנית, המערך משלב מודלים בעלי משקלים פתוחים עם מודלים ייעודיים. ההפעלה אפשרית בסביבת הענן ובסביבה המקומית באתר הלקוח. קיידנס מציינת גם שהאימון של Maestro מתבצע אצלה, על בסיס נתונים שלה וכלים קנייניים שלה. ההבחנה הזו חשובה, כי היא מבדילה את המערכת ממודלי שפה כלליים שנלמדו מחומר פתוח ואינם מיועדים לשבבים.

החברה מדווחת על תוצאות ראשוניות: שיפור של עד 30 אחוזים באיכות התכנון וחיסכון של עד פי 5 בשימוש בטוקנים, בהשוואה למודלים גנריים. מדובר בנתונים שהחברה עצמה פרסמה בשלב מוקדם, ולכן כדאי לראות בהם אינדיקציה ולא הוכחה עצמאית. עם זאת, חיסכון בטוקנים הוא עניין של ממש, כי עבודה על תכנון שבב מייצרת כמויות גדולות של טקסט, קוד ונתונים, וכל אחד מהם עולה כסף בחישוב.

למה זה חשוב לתעשיית השבבים

תכנון שבב הוא תהליך ארוך ומורכב, שכולל אלפי החלטות קטנות, בין מיקום הרכיבים לבין זמני התגובה של המעגל. כל שינוי דורש בדיקות חוזרות, ולעיתים מתברר רק בשלב מאוחר שהתכנון לא עומד באילוצי ההספק או המהירות. לכן כלים לאוטומציה של התכנון קיימים כבר שנים, וההבטחה של בינה מלאכותית בתחום היא לקצר את המעגל הזה.

מה שמייחד את הגישה של קיידנס הוא הניסיון לחבר בין הידע שהמהנדסים כבר צברו לבין היכולת של המודלים לבצע משימות. אם משוב מכלי ה-EDA אכן משפר את ההחלטות של הסוכנים לאורך זמן, הכלים הוותיקים של החברה הופכים לנכס שמתעצם עם השימוש. הרעיון מתיישב עם מה שנדון בתחום בכלל, כפי שמתואר בכתבה על הארכיטקטורה סביב מודל ה-AI, שלעיתים חשובה יותר מהמודל עצמו.

מבחינת השוק, הסיפור אינו רק טכני. חברות שבבים ואלקטרוניקה צריכות לשמור על הקניין הרוחני שלהן, ולכן השאלה איפה המידע נשמר ומי יכול לאמן מחדש את המודלים היא שאלה עסקית מרכזית.

איפה נשמר המידע

קיידנס מציעה כמה אפשרויות הפעלה, וכל אחת מהן מתאימה לרמת רגישות שונה. בטבלה שלהלן מופיעות שלוש הסביבות שהחברה מזכירה במסגרת ההשקה.

הנקודה שבולטת היא האפשרות לבצע אימון נוסף על בסיס התכנונים והמידע הקנייני של הלקוח עצמו. כך המערכת יכולה להתאים את עצמה לסגנון העבודה ולנתונים של ארגון מסוים, בניגוד למערכת שמתאמנת רק על נתונים כלליים.

המשמעות היא שהלקוח נשען על הבסיס שקיידנס בנתה, ומוסיף לו את הידע הפנימי שלו. זהו מודל שמשלב בין מוצר מוכן לבין התאמה אישית, וזו אחת הסיבות שהשאלה על מיקום המידע נעשית מרכזית כל כך בתעשייה.

סביבות הפעלה של Maestro
סביבהפירוט
ענן קיידנסהענן של החברה עצמה
ענן ציבוריAWS, Microsoft Azure או Google Cloud
שרתים מקומייםOn-premises בשרתי הלקוח

מה הלאה

המקור אינו מפרט מועדי זמינות, מחירים או רשימת לקוחות ראשונים, ולכן קשה להעריך כעת את השפעתה המסחרית של המערכת. מה שברור הוא שקיידנס מציבה את עצמה לא רק ככלי תכנון, אלא כמי שמפעיל מערך של סוכנים שעובדים לצד כלי התכנון הקיימים.

הצעד הבא יהיה לראות אם הנתונים הראשוניים על שיפור של עד 30 אחוזים ועל חיסכון של עד פי 5 בטוקנים נשמרים גם אצל לקוחות בפועל, ואיך הלמידה העצמית נראית לאורך זמן. תחום השבבים הוא מהמורכבים בעולם, ושיפור ממשי בתהליך התכנון עשוי להשפיע על קצב פיתוח המוצרים שמגיעים לשוק.

בסופו של דבר, Maestro AI מייצגת מגמה ברורה: הכלים הקיימים של תכנון שבבים הופכים למקור ידע שממנו בינה מלאכותית לומדת. שווה לעקוב אחרי המימוש, כי ההבטחה תיבחן בשטח ולא רק במצגות.

שורה תחתונה

כלי התכנון הוותיקים של קיידנס הופכים למקור למידה לסוכני AI, ולפי החברה זו הדרך לשיפור שיטתי. הנתונים שפורסמו עדיין ראשוניים, ולכן כדאי לחכות לבחינה בשטח.

מקורות: techtime.co.il

קיידנסבינה מלאכותיתתכנון שבביםאנבידיהEDA

כתבות נוספות