据Cadence官方公告，Cadence于10月26日推出Maestro，为芯片厂商提供一套领域专用AI模型，可基于专有设计数据进行微调，并完全在企业防火墙内运行。此次发布也使其与Synopsys竞争中的核心战略问题更加尖锐：谁掌控模型、模型处理的数据，以及模型创造的价值？

模型部署位置的两种押注

Cadence与Synopsys是行业内两大领先的电子设计自动化（EDA）软件供应商——芯片厂商依赖这些工具来设计和验证硅片——因此两家公司在AI模型运行位置上的不同愿景，其影响力远远超出各自的产品线。

Maestro将专用模型与NVIDIA的开放权重Nemotron技术、强化学习以及与芯片设计工具深度集成的Cadence AI Super Agents打包在一起。客户可以在自己的服务器上托管整套系统、通过Cadence运行，或部署在受保护的公有云中，Cadence表示正与NVIDIA合作集成OpenShell安全功能。对客户而言，这一选择不仅仅是基础设施问题：由于模型是基于专有设计数据微调的，整套系统运行的位置也决定了这些敏感版图数据的存放位置。

"There are more (AI) model providers out there than there are (chip design software) vendors."

Cadence高级副总裁Paul Cunningham告诉路透社，开放权重与封闭权重两种路线正在"同步推进"。

Synopsys则选择了相反的路线。根据其9月30日与OpenAI的合作，GPT-Synopsys将运行在OpenAI托管的基础设施上，并直接接入Synopsys设计工具，双方按比例分享收入。Synopsys承诺提供加密、可调整的数据保留控制，并承诺不使用客户数据进行训练。尽管如此，两者的界限并非绝对：该公司更广泛的Autopilot战略也支持将智能体集成到客户自己的AI平台中。

效率声明虽已提出，但总成本未经核实

据Cadence称，在早期工作流中，Maestro的结果质量提升最高达30%，token使用效率是通用模型的五倍，其工程工具会根据设计约束检查智能体输出，并将结果反馈到训练中。不过，这些是Cadence自己的数据，整个设计项目的成本节约尚未经过独立验证。

正如Cryptopolitan此前报道的那样，当模型需要反复尝试或工程师必须修复其输出时，每项已完成任务的成本比token的标价更重要。将Maestro部署在本地可能有助于保护敏感版图数据，但基础设施本身也有实际成本。首批模型计划于2026年第四季度面向部分早期访问客户推出，这些部署将对效率声明以及客户实际选择的托管方式提供首次真实世界检验。

一个大到值得争夺的市场

这块蛋糕相当可观。SEMI数据显示，2026年第二季度电子系统设计市场营收达57.1亿美元，同比增长12.2%，其中半导体IP营收增长20.4%，IC物理设计与验证增长16.6%。TrendForce预测，随着Google和Amazon扩大定制芯片计划，今年AI服务器出货量将增长近31%——而每一项新的定制芯片计划都会增加此类EDA工具所服务的设计与验证工作量。

Cadence方面，正如其宣布的那样，公司于10月21日在慕尼黑发布了一座主权AI数据中心，以满足将敏感工作负载保留在区域边界内的需求。

据其财报发布，公司第三季度营收为16.33亿美元，同比增长22%，积压订单达82亿美元，全年营收增长展望为21%。其AI Super Agents拥有超过100个活跃客户项目。路透社报道，Maestro发布后股价上涨了3.9%。

这场竞争最终将在以下方面见分晓：不是比拼token数量或云服务承诺，而是看工程师能否在不推高总成本的前提下，更快地产出更好的芯片设计。