ai算力卡,Tenstorrent 公司Jim Keller 和 Ljubisa Bajic的故事,taals公司

这里有一个常见的误解需要澄清:Jim Keller 和 Ljubisa Bajic 并没有"一起成立"公司 。Tenstorrent 是 Bajic 创立的,Keller 是后来加入的第一个投资人高管


一、Tenstorrent 的真实创始故事

2016 年 ,Ljubisa Bajic 与 Ivan HamerMilos Trajkovic 在加拿大多伦多共同创立了 Tenstorrent。

Jim Keller 的角色是"天使投资人":

  • 2020 年左右,Keller 还在 Tesla 工作时,Bajic 向他 pitch 了 Tenstorrent 的架构想法
  • Keller 被 Bajic"既懂 GPU 硬件、又懂 AI 数学、还管过软件团队"的罕见组合打动
  • Keller 给了 Tenstorrent 天使轮投资,并开玩笑说"你们应该在地下室里干一年"
  • Bajic 回答:"我们确实在地下室!"
  • 2021 年 1 月,Keller 正式加入 Tenstorrent 任 President & CTO

2023 年的"权力交接":

  • 2023 年 1 月,Keller 与 Bajic 互换职位------Keller 升任 CEO,Bajic 退任 CTO & President
  • 2023 年 4 月,Bajic 进一步退居顾问角色,离开 Tenstorrent 日常管理,几个月后创立 Taalas
  • 两人关系:Keller 曾评价"Ljubisa 是杰出的技术专家,我深深感激他",Bajic 则说"看着公司从地下室的一个想法成长为独角兽,是不可思议的成就"

二、Tenstorrent 详细介绍

公司定位:RISC-V + AI 的"开放算力"挑战者

Tenstorrent 的核心战略是 "反 NVIDIA" ------用开放的 RISC-V 架构和开源软件栈,对抗 NVIDIA 的 CUDA 封闭生态。Keller 的名言:"NVIDIA 做什么,我们就反着来。"

核心架构:Tensix 核心 + 数据流网络

Tenstorrent 的芯片不是传统 GPU 的"众核 SIMD"架构,而是基于 Tensix 核心数据流网络(Dataflow Network)

  • 每个 Tensix 核心 = 一个完整的计算单元,包含矩阵乘法引擎 + 5 个小型 RISC-V CPU 用于控制流和条件执行
  • 核心之间通过片上网络(NoC)直接互联,像神经网络一样"点对点"传递数据,不需要集中式内存控制器
  • 支持动态稀疏性(Dynamic Sparsity):运行时自动跳过零值计算,训练时也能利用稀疏性
  • 原生扩展性:芯片之间通过 16 个 Ethernet 端口直连,可扩展到 10 万节点

产品路线图

代际 名称 特点 状态
第 1 代 Grayskull 75W/150W/300W,推理+训练,支持稀疏性 已发布
第 2 代 Wormhole 增强网络互联,PCIe 卡 $1,000 起 已发布
第 3 代 Blackhole 2026 年大规模出货,chiplet 设计,通用 AI 已商用
第 4 代 --- 规划中 研发中

软件策略:全栈开源

这是 Tenstorrent 与 NVIDIA 最大的区别:

  • TT-Metalium(底层运行时)
  • TT-NN(神经网络库)
  • TT-Forge(编译器)

全部开源,试图建立"AI 领域的 Linux 生态"。

商业模式:三条腿走路

  1. 卖硬件:PCIe 加速卡、服务器、整机柜
  2. IP 授权:把 Tensix 核心和 RISC-V CPU 授权给客户(如日本 Rapidus、韩国政府项目)
  3. 云服务:DevCloud 供开发者远程试用

融资与估值

  • 累计融资 :超过 10 亿美元
  • 2024 年底 D 轮6.93 亿美元 ,投前估值 20 亿美元 ,投后 26 亿美元
  • 投资方 :Samsung、LG、Hyundai、Fidelity、Baillie Gifford、Bezos Expeditions(贝佐斯)
  • 总部:加拿大多伦多,全球 9 个办公室(奥斯汀、硅谷、贝尔格莱德、东京、班加罗尔、新加坡、首尔等)

三、Keller 与 Bajic 的"分岔路"

两人在 Tenstorrent 的合作最终走向了截然相反的技术路线

维度 Tenstorrent(Keller) Taalas(Bajic)
哲学 通用可编程,软件定义硬件 极致专用,硬件即模型
架构 RISC-V + Tensix,灵活可扩展 Mask ROM 固化权重,零可编程性
目标 一个芯片跑所有 AI 模型 一个模型一颗芯片
内存 片上 SRAM + 外部 HBM 零外部内存,权重烧进硅片
生态 全开源,拥抱开发者 封闭,只卖推理服务

这几乎是一场**"通用 vs 专用"的架构意识形态对决**------而讽刺的是,两人曾在同一个地下室里出发。


总结

Tenstorrent 不是 Keller 和 Bajic"一起成立"的------它是 Bajic 在 2016 年创立的,Keller 是 2021 年加入的天使投资人兼 CTO,后来接棒 CEO。两人的关系更像是**"创始人与继任者"**,而非联合创始人。他们共同把 Tenstorrent 从地下室带到独角兽,但最终因技术理念分歧分道扬镳:Keller 继续走"开放通用"路线,Bajic 则去 Taalas 探索"一模型一芯片"的极端专用化。

相关推荐
tntxia12 小时前
正则化在机器学习中的作用
人工智能
陌路2014 小时前
初步认识-大模型-基础认知
语言模型
fuquxiaoguang16 小时前
中间件的“价值重估”:传统同质化竞争终结,AI智能编排时代开启
人工智能·中间件
触底反弹17 小时前
🔥 前端也能玩转 AI 流式输出!从二进制流到打字机效果,一篇讲透
javascript·人工智能·node.js
腾渊信息科技公司17 小时前
工业数据运维痛点根治方案:基于AI Agent的产线自动化台账系统落地
运维·人工智能·自动化·个人开发·ai编程
西安老张(AIGC&ComfyUI)17 小时前
第030章:ComfyUI视频制作LTX-2.3模型文生视频工作流详解(三)
人工智能·aigc·comfyui
胡萝卜术17 小时前
深度重构:Agent Skills——从 Prompt 工程到能力工程
javascript·架构·github
苦猿的大模型日记17 小时前
Day25 | 模型量化横评 GPTQ vs AWQ vs GGUF vs INT8——同一个 Qwen3-8B 压四遍,谁还活着
人工智能
benchmark_cc17 小时前
如何用 Python + QuantDash 快速构建高胜率“配对交易(Pairs Trading)”策略?
开发语言·人工智能·python·pandas·量化交易·quantdash
深海鱼肝油ya17 小时前
小说自动生成系统(二)
人工智能·大模型·agent·智能体·自动化编程·小说生成系统