Tenstorrent
Tenstorrent 提供开放、主权的 AI 计算：Blackhole 加速卡、静音液冷工作站、可扩展的 TT-QuietBox 服务器、可授权的 Galaxy IP，以及基于 MLIR 的 TT-Forge 编译器，支持 PyTorch、JAX 和 ONNX——旨在高效运行从桌面到数据中心的大型模型。
概览
在熟悉的框架中构建，使用 TT-Forge 编译，并部署到工作站内的 Blackhole 加速器或 TT-QuietBox 服务器。选择被动、主动或液冷方案以满足限制，保持工作负载本地，同时在开发和生产中保持可移植、开放的工具链。
硬件、IP 和编译器堆栈
Tenstorrent 适合需要确定性性能、本地主权和从原型到机架规模清晰路径的机器学习工程师、研究人员和 MLOps 团队。它也适合授权 Galaxy IP 的 OEM 和硅片团队，专注于特定 AI 工作负载。重视开放工具、可检查内核和响应迅速开发者社区的实验室、初创企业和企业，将从 TT-Forge 的速度提升以及 Blackhole 卡、桌面工作站和 TT-QuietBox 服务器的实用部署环境中受益。
- 使用 TT-Forge 编译 PyTorch、JAX 和 ONNX 模型为优化的硬件内核。
- 在静音液冷的桌面工作站上运行高达 1200 亿参数的模型。
- 将相同架构扩展到 TT-QuietBox 服务器，实现主权的生产级 AI 部署。
- 授权 Galaxy IP，为特定工作负载定制加速器，避免供应商锁定。
- 选择被动、主动或液冷方案，平衡热管理、声学和密度。
工程师选择 Tenstorrent 的原因
编辑视角
首先安装 TT-Forge（公开测试版），并查看开发者中心的文档和示例。导入 PyTorch、JAX 或 ONNX 模型，使用 TT-Forge 编译，并在搭载 Blackhole 的工作站上验证，然后推广到 TT-QuietBox 服务器。加入社区 Discord 获取支持，在 GitHub 提交问题或 PR，跟踪赏金任务以加速内核改进。准备就绪后，选择符合环境的冷却和机箱选项，使用现有 MLOps 流水线实现构建的运营化。TT-Deploy 演示展示了 Tenstorrent 工作负载的打包、调度和扩展方法。
AI 仍遵循传统计算法则；Tenstorrent 将硅片、软件和系统对齐，提供实用的主权性能。
入门指南
Tenstorrent 的优势在于一致性：统一的软件工具链、灵活的热管理，以及从可授权 IP 到交钥匙系统的多样选项。团队可以在桌面安静地原型设计，通过保持本地实现主权，并且无需重新工具化即可扩展。借助开源 TT-Forge 和响应迅速的开发者社区，性能调优保持透明且迭代。
打开该工具并查看其核心产品体验。
创建账户或进入你已有的工作空间。
使用你自己的任务判断速度、质量和适配度。
在最终决定前查看类似 AI 工具。
Tenstorrent
Tenstorrent 设计 AI 加速器、系统和可授权处理器 IP，秉持开放、以开发者为先的理念。团队构建透明架构和开源软件，使开发者能够编辑、选择、分叉并拥有自己的硅片未来，同时从桌面到数据中心部署高性能、主权 AI。
Tenstorrent 是一个端到端的 AI 计算平台，涵盖硅 IP、加速卡、静音工作站和可扩展服务器。其 Blackhole 硬件支持本地模型执行，而 TT-QuietBox 系统实现主权的本地部署。开发者使用基于 MLIR 的开源编译器 TT-Forge，输入 PyTorch、JAX 和 ONNX 图，生成高性能内核。对于 OEM 和超大规模云服务商，Galaxy IP 提供可授权的灵活处理器设计，以定制特定工作负载，避免供应商锁定。实用的工程设计——被动、主动和液冷选项——让团队能够合理调整热管理和噪音。开发者中心、公开文档、GitHub 仓库、Discord 社区和付费赏金计划，缩短了从内核到硅片的反馈周期。最终实现了透明、以开发者为先的路径，在桌面系统上运行高达 1200 亿参数的模型，并将相同堆栈扩展到生产机架。
tenstorrent.com/en
评论 (0)
暂无评论