美国人工智能芯片公司 Tenstorrent 再次获得资本市场的支持。

10月19日，这家总部位于加利福尼亚州圣克拉拉的企业宣布完成15亿美元E轮融资，投后估值达到62亿美元，较2024年底的约26亿美元增长一倍以上。

本轮融资由Trace Capital和Innovation X共同领投，参与者包括富达、摩根士丹利、SanDisk、ARK Invest和普信集团等机构。

这笔资金将主要用于扩大Galaxy AI服务器的生产和部署，并继续开发可以授权给其他芯片公司的处理器技术。

对于一家试图挑战英伟达的芯片企业而言，15亿美元并不是一笔可以轻易挥霍的资金。

AI芯片竞争早已超出单颗处理器的性能比较。制造、封装、内存、服务器互联、软件适配和客户部署，每个环节都需要巨额投入。

但Tenstorrent认为，市场正在出现一个机会：随着AI从模型训练转向大规模应用，企业需要的不再只是能够训练最大模型的昂贵GPU，还需要更便宜、更灵活、可以长期运行的推理系统。

一个设计过苹果、AMD和特斯拉芯片的人

Tenstorrent最引人注目的人物，是首席执行官吉姆·凯勒（Jim Keller）。

在半导体行业，凯勒拥有不同寻常的履历。

他参与过AMD的重要处理器架构设计，曾在苹果负责芯片工程，也领导过特斯拉自动驾驶芯片研发。

这些经历并不能保证Tenstorrent取得成功，却解释了为什么投资者愿意认真考虑一家试图重新设计AI计算架构的初创企业。

凯勒所面对的竞争对手，是已经建立起庞大技术生态的英伟达。

英伟达的优势不仅来自GPU性能，还来自CUDA软件平台、开发工具、网络互联技术，以及大量已经围绕其产品开发的AI应用。

对于企业客户而言，购买英伟达芯片往往意味着更低的软件迁移风险。

这使后来者面临一个两难问题：如果采用与英伟达相似的路线，就必须在规模和软件生态上追赶；如果选择完全不同的架构，又需要说服开发者重新适配软件。

Tenstorrent选择了后者。

不只是卖芯片，还要卖设计

Tenstorrent采用基于RISC-V的处理器技术，并开发自己的Tensix AI计算核心。

RISC-V是一套开放指令集架构，允许企业基于其规范设计处理器，而不必像使用某些专有指令集那样支付相应架构授权费用。

但RISC-V本身并不等于免费制造芯片。芯片设计、验证、生产和软件开发仍然需要投入大量资金。

Tenstorrent的商业模式也不局限于销售实体芯片。

它同时提供AI加速卡、工作站、服务器和处理器知识产权授权，让客户能够将其设计整合进自己的产品。

公司披露，三星和LG等企业是其芯片设计授权客户。

这条路线与英伟达存在明显区别。

英伟达主要通过销售完整的GPU及相关计算系统获得收入。Tenstorrent则希望同时服务两类客户：直接购买计算设备的企业，以及希望自行设计芯片、减少对外部供应商依赖的制造商。

对于希望建立自主AI基础设施的国家和企业，这种选择可能具有吸引力。

但开放架构并不自动意味着更高性能或更低总体成本。

客户最终仍会比较实际吞吐量、功耗、软件兼容性、维护费用，以及长期供货能力。

为什么押注DeepSeek和开源权重模型？

Tenstorrent此次融资有一个明确方向：为开放权重AI模型提供计算基础设施。

开放权重模型允许用户获取模型参数，并在符合许可条件的情况下自行部署。

DeepSeek就是这类模型的重要代表。

对于企业而言，自行部署模型意味着可以在一定程度上控制数据存储、运行环境和计算成本，而不必将所有请求发送到外部AI服务商。

但部署大型模型需要大量计算资源。

尤其是在用户数量增加以后，推理成本可能成为企业长期运营AI产品的重要开支。

凯勒此前向媒体表示，Tenstorrent的Galaxy服务器已经展示了运行DeepSeek模型的能力，这也是公司决定继续独立融资、扩大业务的重要原因之一。

Tenstorrent希望证明，它的计算架构不仅能够运行这些模型，还能够在性能、成本和规模方面形成竞争优势。

不过，运行DeepSeek并不等于已经在商业性能上全面超越英伟达。

不同模型、批处理规模、输入输出长度和硬件配置，都可能显著影响推理结果。没有可比的独立测试，便不能仅凭企业演示判断哪种芯片更便宜或更快。

视频生成，可能是下一块更昂贵的市场

Tenstorrent还将视频生成列为重点应用领域。

这并不令人意外。

相比文本生成，视频模型通常需要处理更大规模的时空信息。生成一段持续数秒的视频，可能涉及大量画面、运动关系和视觉一致性计算。

随着AI视频进入广告、影视制作、游戏和社交媒体，推理需求可能持续增长。

但这里同样存在不确定性。

视频模型架构仍在快速变化，今天针对某种计算任务优化的芯片，未必能在下一代模型中保持优势。

对于专用AI芯片公司来说，最大的风险之一，就是硬件开发周期长于软件算法的变化周期。

一款芯片从设计到量产往往需要多年，而AI模型可能几个月就发生显著变化。

因此，Tenstorrent必须证明自己的架构足够灵活，能够适应不断变化的计算需求，而不是只在少数模型上取得漂亮的测试结果。

服务器已经开始交付，但规模化才是真正的考验

Tenstorrent并非仍然停留在实验室演示阶段。

据《Data Center Dynamics》报道，公司Galaxy服务器已于今年4月开始出货，每台服务器采用32颗Blackhole处理器，标称FP8计算性能约为23 petaflops。

在今年6月的一次采访中，凯勒表示，公司正在生产1000台Galaxy服务器，其中至少一半已经售出。当时已有约10家客户部署了Galaxy设备，并开始出现后续订单。

这些数字说明，Tenstorrent正在尝试从芯片设计公司转变为能够交付完整计算系统的供应商。

但订单与交付并不等于盈利。

对于AI硬件企业而言，制造成本、客户支持、软件维护和设备更新都可能消耗大量现金。即使产品性能达到预期，扩大产量也不一定立即带来健康的利润率。

Tenstorrent没有在本轮融资公告中披露最新营收、毛利率或净利润。因此，外界目前还无法判断其62亿美元估值是否得到了相应经营业绩的支持。

另一个值得关注的细节是公司的独立性。

据TechCrunch报道，英特尔和高通今年曾对Tenstorrent表达收购兴趣，相关讨论涉及最高约50亿美元的估值。

但Tenstorrent最终选择继续融资，而不是出售公司。

这一决定意味着管理层认为，继续独立发展可能创造更大的价值，同时也意味着它必须独自承担扩大生产和争夺客户的风险。

英伟达真正的竞争对手，未必需要成为另一个英伟达

在AI芯片行业，挑战英伟达已经成为一种常见的融资叙事。

几乎每一家新兴加速器公司，都希望证明自己的芯片在某些任务上更快、更便宜或更节能。

但真正建立商业地位，未必需要全面取代英伟达。

如果一家企业能够在开放权重模型推理、视频生成或企业私有化部署中形成稳定优势，即使只获得整个AI计算市场的一小部分，也可能建立相当可观的业务。

Tenstorrent的策略正是寻找这些机会。

它一方面通过Galaxy服务器争取直接的计算设备订单，另一方面通过芯片知识产权授权，让客户在自己的产品中使用其技术。

这种双重模式可能降低公司对单一产品的依赖，但也增加了经营复杂性。

芯片授权与服务器制造，是两种不同的生意。前者需要长期技术支持和客户设计周期，后者则依赖供应链、库存管理、销售渠道和售后服务。

要同时做好两者，并不容易。

62亿美元估值表明，投资者愿意为这种可能性付出高价。

但资本市场的信心，终究不能代替客户持续下单。

对Tenstorrent而言，下一阶段最重要的消息，可能不再是又融到了多少钱，而是有多少企业真正把Galaxy服务器部署到生产环境，运行了多少实际业务，以及这些客户是否愿意继续购买。

英伟达已经证明，AI芯片可以成为一门极其赚钱的生意。Tenstorrent现在必须证明，这门生意不只有英伟达一种做法。