Cadence 於 10 月 26 日推出 Maestro，為晶片製造商提供一套可在專有設計資料上微調、並完全在企業防火牆內執行的領域專用 AI 模型，詳見該公司的公告。這次發布也使 Cadence 與 Synopsys 競爭核心的策略問題更加尖銳：誰來掌控模型、模型處理的資料，以及模型所創造的價值？

模型存放位置的兩種押注

Cadence 與 Synopsys 是電子設計自動化（EDA）軟體產業的兩大龍頭供應商——這正是晶片製造商賴以設計與驗證晶片的工具——因此兩家公司在 AI 模型執行位置上的競爭願景，其影響力遠超過各自的產品線。

Maestro 將專用模型與 NVIDIA 的開放權重 Nemotron 技術、強化學習，以及串接至晶片設計工具的 Cadence AI Super Agents 整合在一起。客戶可將完整系統託管於自有伺服器、透過 Cadence 執行，或部署於安全的公有雲，Cadence 也表示正與 NVIDIA 合作整合 OpenShell 安全功能。對客戶而言，這個選擇不僅是基礎架構問題：由於模型是在專有設計資料上微調，系統的執行位置也決定了這些敏感版圖資料的存放位置。

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

Cadence 資深副總裁 Paul Cunningham 向 Reuters 表示，開放權重與封閉權重兩種路線正「同步推進」。

Synopsys 則選擇了相反的路線。根據其 9 月 30 日與 OpenAI 的合作夥伴關係，GPT-Synopsys 將在 OpenAI 託管的基礎設施上執行，並直接與 Synopsys 設計工具整合，雙方將分享營收。Synopsys 承諾提供加密、可調整的資料保留控制，並承諾不會使用客戶資料進行訓練。即便如此，這條界線並非絕對：該公司更廣泛的 Autopilot 策略也允許將代理整合至客戶自己的 AI 平台。

效率宣稱，總成本未經驗證

根據 Cadence 的說法，在早期工作流程中，Maestro 的結果品質最高比通用模型高出 30%，token 使用效率則高出五倍，其工程工具會依設計約束條件檢查代理輸出，並將結果回饋至訓練。不過，這些是公司自身提供的數據，整個設計專案的節省成效尚未經獨立驗證。

正如 Cryptopolitan 先前的報導，當模型需要反覆嘗試或工程師必須修正其輸出時，每個完成任務的成本比 token 的標價更重要。將 Maestro 部署在本地或可保護敏感版圖資料，但執行這些基礎設施本身也需要成本。首批模型預計於 2026 年第四季提供給指定的早期存取客戶，這些部署將為效率宣稱以及客戶實際選擇的託管模式提供首次實際檢驗。

一個足以兵家必爭的市場

市場商機相當可觀。SEMI 數據顯示，2026 年第二季電子系統設計市場營收為 57.1 億美元，年增 12.2%，其中半導體 IP 營收成長 20.4%，IC 實體設計與驗證成長 16.6%。TrendForce 預估，隨著 Google 與 Amazon 擴大自訂晶片計畫，今年 AI 伺服器出貨量將成長近 31%——而每一個新的自訂晶片計畫，都會為這類 EDA 工具所服務的設計與驗證工作增加負荷。

Cadence 自身也於 10 月 21 日在慕尼黑揭幕一座主權 AI 資料中心，如其公告所述，以因應將敏感工作負載保留在區域邊界內的需求。

根據其財報發布，公司第三季營收為 16.33 億美元，年增 22%，待執行訂單金額達 82 億美元，全年營收成長展望為 21%。其 AI Super Agents 已有超過 100 個活躍的客戶合作專案。Reuters 報導，Maestro 公告發布後股價上漲 3.9%。

這場競爭最終將在此分出勝負：不是靠 token 數量或雲端承諾，而是取決於工程師能否在不增加總成本的前提下，更快地產出更好的晶片設計。