Tenstorrent
Tenstorrent 提供開放且主權的 AI 運算：Blackhole 加速卡、靜音液冷工作站、可擴展的 TT-QuietBox 伺服器、可授權的 Galaxy IP，以及基於 MLIR 的 PyTorch、JAX 和 ONNX 編譯器 TT-Forge——專為從桌面到資料中心高效運行大型模型而打造。
概覽
在熟悉的框架中開發，使用 TT-Forge 編譯，並部署至工作站內的 Blackhole 加速器或 TT-QuietBox 伺服器。選擇被動、主動或液冷散熱以符合限制，並在保持工作負載本地化的同時，維持開放且可攜的開發與生產工具鏈。
硬體、IP 與編譯器堆疊
Tenstorrent 適合需要確定性性能、本地主權及從原型到機架規模清晰路徑的機器學習工程師、研究人員與 MLOps 團隊。它也適用於授權 Galaxy IP 的 OEM 與矽晶片團隊，專注於特定 AI 工作負載。重視開放工具、可檢視核心與積極開發者社群的實驗室、新創公司與企業，將欣賞 TT-Forge 帶來的開發速度提升，以及 Blackhole 卡、桌面工作站與 TT-QuietBox 伺服器的實用部署範圍。
- 使用 TT-Forge 編譯 PyTorch、JAX 和 ONNX 模型為優化的硬體核心。
- 在靜音液冷的桌面工作站上運行高達 1200 億參數的模型。
- 將相同架構擴展至 TT-QuietBox 伺服器，實現主權且生產級的 AI 部署。
- 授權 Galaxy IP，為特定工作負載量身打造加速器，避免供應商鎖定。
- 選擇被動、主動或液冷散熱，以平衡熱管理、聲學與密度。
工程師選擇 Tenstorrent 的原因
編輯觀點
首先安裝 TT-Forge（公開測試版），並瀏覽開發者中心的文件與範例。攜帶 PyTorch、JAX 或 ONNX 模型，使用 TT-Forge 編譯，並在搭載 Blackhole 的工作站上驗證，然後推廣至 TT-QuietBox 伺服器。加入社群 Discord 尋求支援，在 GitHub 提交問題或 PR，並追蹤獎勵任務以加速核心改進。準備就緒後，選擇符合環境的散熱與機殼選項，並利用現有 MLOps 管線進行運營化建置。TT-Deploy 示範展示了 Tenstorrent 工作負載的封裝、排程與擴展方法。
AI 仍遵循舊有的運算法則；Tenstorrent 將矽晶片、軟體與系統整合，提供實用且主權的性能。
入門指南
Tenstorrent 的優勢在於一致性：一致的軟體工具鏈、靈活的熱管理，以及從可授權 IP 到交鑰匙系統的選項。團隊能在桌面安靜地原型開發，透過本地化保持主權，並無需重新工具化即可擴展。搭配開源 TT-Forge 與積極回應的開發者社群，性能調校保持透明且持續迭代。
開啟該工具並檢視其核心產品體驗。
建立帳戶或進入你已有的工作空間。
使用你自己的任務判斷速度、品質與適配度。
在最終決定前查看類似 AI 工具。
Tenstorrent
Tenstorrent 設計 AI 加速器、系統與可授權處理器 IP，秉持開放且以開發者為先的理念。團隊打造透明架構與開源軟體，使開發者能編輯、選擇、分支並掌控其矽晶片未來，同時從桌面到資料中心部署高效且主權的 AI。
Tenstorrent 是一個涵蓋矽智財、加速卡、靜音工作站及可擴展伺服器的端對端 AI 運算平台。其 Blackhole 硬體驅動本地模型執行，而 TT-QuietBox 系統則支援主權的本地部署。開發者可使用 TT-Forge，這是一個基於 MLIR 的開源編譯器，能夠處理 PyTorch、JAX 和 ONNX 圖形並生成高效能核心。對於 OEM 和超大規模雲端服務商，Galaxy IP 提供可授權且靈活的處理器設計，讓特定工作負載得以定制且不受供應商鎖定。實用的工程設計包括被動、主動及液冷選項，讓團隊能夠精確調整熱管理與聲學表現。開發者中心、公開文件、GitHub 倉庫、Discord 社群及付費獎勵計畫緊密連結核心到矽晶片的反饋迴路。結果是透明且以開發者為先的路徑，能在桌面系統上運行高達 1200 億參數的模型，並將相同堆疊擴展至生產機架。
tenstorrent.com/en
留言 (0)
尚無留言