Contexte et financement
Tenstorrent Inc., startup canadienne spécialisée dans le matériel de calcul IA, a clôturé une levée de fonds de 1,5 milliard de dollars lors d’un tour de financement Series E mené par Trace Capital et Innovation X. Cette injection porte la valorisation de l’entreprise à 6,2 milliards de dollars, un niveau qui la place parmi les rares challengers de Nvidia dans le segment des accélérateurs IA. Le financement cible l’augmentation de la capacité de production des serveurs Galaxy, le renforcement de la recherche RISC‑V et l’expansion globale des équipes d’ingénierie.
Architecture matérielle et performances
Les plateformes Tenstorrent reposent sur deux blocs de silicium propriétaires : les accélérateurs Tensix Neo et les CPU Ascalon, tous deux implémentés sur l’instruction set ouvert RISC‑V. Cette double‑architecture vise à combiner la parallélisation massive des Tensix avec la flexibilité d’un CPU généraliste, tout en conservant une efficience énergétique supérieure aux GPU traditionnels. Les cartes Blackhole, conçues comme des modules PCIe, intègrent plusieurs dizaines de cœurs RISC‑V et de la mémoire GDDR6, permettant des taux de bande passante de plusieurs centaines de gigaoctets par seconde. Le refroidissement liquide du TT‑QuietBox assure une dissipation thermique suffisante pour exécuter des modèles de pointe sans dépasser les limites de puissance typiques des stations de travail.
Stack logiciel et programmabilité
Tenstorrent accompagne son matériel d’une pile logicielle open‑source composée de TT‑Forge, TT‑Metalium et TT‑LLK. TT‑Forge agit comme un compilateur qui traduit les graphes de frameworks comme PyTorch en code natif RISC‑V, tandis que TT‑Metalium fournit un SDK pour l’optimisation du matériel et la création de kernels personnalisés. TT‑LLK, quant à lui, optimise les kernels à bas niveau afin de réduire la latence d’inférence. Cette intégration étroite élimine le besoin de couches d’abstraction supplémentaires, ce qui se traduit par des gains de performance mesurables sur les charges de travail de génération vidéo, où Tenstorrent affirme dépasser les benchmarks industriels.
Implications pour le marché AI
En proposant une architecture « one‑size‑fits‑all », Tenstorrent prétend pouvoir passer d’une station de travail unique à un supercluster de serveurs Galaxy sans modifier le code applicatif. Cette promesse d’évolutivité, couplée à un modèle de licence ouvert, pourrait réduire la dépendance des entreprises vis‑à‑vis du GPU propriétaire de Nvidia, notamment pour les modèles de langage de grande taille et les tâches de génération vidéo. Toutefois, la réussite dépendra de la capacité de Tenstorrent à maintenir la compatibilité logicielle avec les écosystèmes ML existants et à atteindre des volumes de production suffisants pour concurrencer les économies d’échelle de Nvidia. Le financement récent fournit les ressources nécessaires pour accélérer ces deux axes, mais le marché reste sensible aux performances réelles observées en production.
