Tenstorrent估值62亿美元：开放权重AI芯片的独立之路

AI芯片领域的竞争格局正在悄然生变。一向被视为英伟达挑战者之一的Tenstorrent，近日宣布完成15亿美元融资，估值达到62亿美元。这笔资金不仅让公司得以保持独立，更明确了其以"开放权重"为核心的芯片战略方向。

从被收购传闻到独立融资

据原始报道，Tenstorrent在今年早些时候曾引发收购兴趣，但最终选择通过融资来维持独立运营。15亿美元的注入，使其估值站上62亿美元关口。这一选择本身传递出明确信号：在AI芯片这个资本与技术双重密集的赛道，独立路线依然有资本愿意押注。

对于一家挑战英伟达霸主地位的公司而言，保持独立意味着可以不受母公司战略掣肘，持续投入开放架构的研发。但同时也意味着，它必须在产品落地和生态建设上拿出足够有说服力的成绩，才能支撑起这一估值。

开放权重芯片意味着什么

Tenstorrent将自身定位为"开放权重AI芯片"的推动者。这里的"开放权重"并非指模型权重，而是强调其硬件与软件栈的开放性——与英伟达CUDA生态的封闭性形成对照。

这一路线对开发者和企业客户具有吸引力：他们可以在不锁定单一供应商的前提下部署AI工作负载。尤其在当前AI算力成本高企的背景下，开放架构为寻求成本优化和供应链多元化的企业提供了另一种可能。不过，开放生态的成熟度、工具链的完善程度，仍是决定其能否真正撼动市场格局的关键。

需要说明的是，AI芯片语境中的“开放权重”（Open Weights）与开源大模型领域的同名概念并不相同。模型领域的“开放权重”指模型训练完成后公开参数、允许他人下载和微调；而Tenstorrent强调的是硬件设计规范、指令集以及配套软件栈（编译器、运行时、算子库）的开放与可移植性，使客户不必被单一厂商的专有生态深度绑定。

与之对照，英伟达的CUDA是一套封闭的并行计算平台与编程模型，开发者通过CUDA编写GPU加速程序，长期积累的库和工具形成了极高的迁移成本。开放路线通常借助RISC-V等开放指令集或开源编译器框架（如MLIR、TVM）来降低移植门槛，但代价是需要自行承担生态建设与兼容性验证的工作量。

英伟达挑战者的集体困境与机会

Tenstorrent的融资是AI芯片挑战者群体中的一个缩影。英伟达凭借GPU和CUDA构建的护城河依然深厚，但市场对替代方案的需求从未如此强烈。云厂商自研芯片、初创公司开放架构、开源指令集生态，多条路线正在同时推进。

62亿美元的估值放在英伟达数千亿美元市值面前仍显渺小，但它反映出资本对"第二供应商"乃至"开放替代方案"的长期期待。Tenstorrent能否将融资转化为产品竞争力和客户订单，将决定这笔钱是续命还是加速。

CUDA（Compute Unified Device Architecture）是英伟达自2006年起构建的并行计算平台与编程模型，已成为AI训练与推理事实上的软件标准。其护城河不仅在于硬件性能，更在于十余年积累的cuDNN、TensorRT、NCCL等加速库，以及围绕其形成的开发者习惯、教材与人才储备。竞争者即便在芯片算力上接近，也往往需要重写大量算子与框架适配层，迁移成本高昂。

正因如此，挑战者普遍采取两条路径：一是兼容CUDA接口以降低迁移门槛，二是押注开放编译栈（如Triton、MLIR）构建可跨硬件复用的软件层。这两条路径各有取舍——前者易被指责缺乏原创性，后者则需时间等待生态成熟。

编辑观察

Tenstorrent的融资故事有两个值得关注的维度：一是资本对开放芯片路线的信心，二是独立运营在AI芯片竞赛中的现实可行性。估值是起点而非终点，开放权重芯片能否从理念走向大规模商用，最终要看开发者是否用脚投票。