Tenstorrent发布RISC-V CPU内核设计TT-Ascalon S 主打性能与面积平衡

由知名芯片设计师Jim Keller领导的Fabless企业Tenstorrent，当地时间7月1日在日本东京举行的TT-Deploy JP大会上推出了一款新的RISC-V CPU内核设计——TT-Ascalon S。该IP核被描述为兼顾性能与面积优化。

产品定位：面向特定应用场景的RISC-V核心

TT-Ascalon S是Tenstorrent旗下RISC-V CPU内核产品线的最新成员。据现场介绍，这一IP在设计上平衡了运算能力与芯片面积占用，旨在为需要较高能效比和特定工作负载的芯片设计提供核心选项。

RISC-V是一种基于精简指令集（RISC）原则的开源指令集架构，与ARM、x86等专有架构不同，其指令集规范向公众开放，允许芯片设计者自由使用和修改。

Jim Keller团队的持续布局

Jim Keller作为业界资深芯片架构师，其领导的Tenstorrent专注于高性能AI计算与CPU内核设计。此前该公司已推出多款RISC-V产品，此次TT-Ascalon S的发布进一步丰富了其IP产品组合。

• 产品名称：TT-Ascalon S
• 发布地点：日本东京TT-Deploy JP大会
• 核心特性：性能与面积优化

业内人士指出，在RISC-V生态快速发展的当下，兼顾面积与性能的IP核有利于降低芯片设计门槛，使更多中小型设计团队能够基于标准化内核进行定制化开发。

Tenstorrent推出TT-Ascalon S RISC-V内核 单位面积性能较旗舰核心提升1.4倍

Tenstorrent近日发布Ascalon RISC-V处理器家族最新成员——TT-Ascalon S。该内核以旗舰核心Ascalon X一半的面积实现了后者70%的性能，单位面积性能达到1.4倍，主要面向代理式AI及高能效服务器、网络与存储SoC、数据中心边缘部署等场景。

架构与性能规格

TT-Ascalon S是一款乱序超标量4宽解码内核，符合RVA23配置文件。RVA23是RISC-V国际基金会规定的最新基础配置文件，定义了操作系统级兼容所需的指令集与扩展集。该内核配备单256b矢量单元，拥有32KB指令缓存和64KB数据缓存。IPC（每时钟周期指令数）方面，每GHz在SPECint2006测试中可得15分。

单个TT-Ascalon S集群可扩展到8个内核，并拥有可配置的共享L2缓存。

面向代理式AI的优化

Tenstorrent表示，TT-Ascalon S针对智能体运行时那种混合型、分支密集、工具关联的典型执行模式进行了优化，有助于实现更可预测的执行。代理式AI指能够自主感知环境、制定计划并调用工具完成复杂任务的AI系统，其对处理器分支预测和乱序执行能力要求较高。

• 以旗舰核心Ascalon X一半面积提供70%性能，单位面积性能提升1.4倍。
• 符合RVA23配置文件，具备完整的64位RISC-V兼容性。
• 提供可扩展的集群设计，支持8核配置与共享L2缓存。

目标应用场景

除代理式AI外，该IP也可用于高能效服务器、网络与存储SoC以及数据中心边缘部署。通过面积效率的提升，TT-Ascalon S能够在功耗和芯片成本敏感的领域中满足高性能计算需求。

Tenstorrent Galaxy Blackhole超级集群亮相：多模型推理速度数倍于GPU

在近日举行的大会上，芯片设计公司Tenstorrent展示了其Galaxy Blackhole“超级集群”的性能表现。该集群在多个主流大模型与视频生成任务上的推理速度显著超越传统GPU方案。

Kimi K2.6推理：速度达GPU三倍

测试数据显示，Galaxy Blackhole集群在运行Kimi K2.6模型时，可达到900 Token/s/user的处理速度。这一数字是同类GPU实现的三倍，意味着用户在实际交互中将获得更低的响应延迟。

900 Token/s/user —— Kimi K2.6 上实测吞吐量，达到GPU三倍

DeepSeek-R1-0528 671B：大模型推理突破400 Token/s

针对671B参数的DeepSeek-R1-0528模型，该集群实现了400+ Token/s/user的推理速度。这一性能指标表明，Blackhole集群在处理超大规模语言模型时同样具备竞争力。

LTX 2.3 Fast视频生成：四倍于GPU速度

在视频生成领域，Galaxy Blackhole集群运行LTX 2.3 Fast模型时，以GPU四倍的速度生成一段6秒、24fps的视频。这为需要快速迭代视频内容的渲染场景提供了新的硬件选择。

• “超级集群”解读：Galaxy Blackhole是Tenstorrent推出的多芯片互联计算平台，通过专用架构将多个Blackhole芯片组合，旨在提供高吞吐、低延迟的AI推理与训练能力。
• 行业影响：上述性能数据表明，在特定模型和负载下，基于Tenstorrent架构的系统有可能替代或补充传统GPU在AI推理环节的部署方案。