高通收购 Tenstorrent：AI 芯片格局重塑与 RISC-V 的崛起

2026 年 6 月 15 日，The Information 率先报道：高通正在洽谈以 80-100 亿美元收购 Tenstorrent。 路透社随后跟进确认，但强调"谈判仍在进行中，价格可能变动，交易也可能失败"。高通和 Tenstorrent 均拒绝评论。

这笔交易的估值令行业侧目——一家 2016 年成立的芯片初创公司，凭什么值 100 亿美元？答案不在财务报表上，而在三个战略维度：

第一，Jim Keller 本人。 这位传奇芯片设计师的履历几乎就是过去 30 年芯片产业的缩影：AMD Zen 架构（让 AMD 起死回生）、苹果 A4/A5 芯片（iPhone 4/5 的核心）、特斯拉自动驾驶芯片（FSD 的算力基础）、DEC Alpha（90 年代最强 RISC 架构）。2016 年加入 Tenstorrent 后，他押注 RISC-V 开放架构，打造了一套全新的 AI 加速器设计哲学。

第二，RISC-V IP 储备。 Tenstorrent 拥有业界最成熟的 RISC-V 高性能核心设计——Ascalon 系列，专为数据中心和 AI 推理优化。2025 年底高通已经收购了另一家 RISC-V 公司 Ventana Micro Systems（估值 2-6 亿美元），但 Tenstorrent 的 AI 加速器能力是 Ventana 不具备的。

第三，Galaxy Blackhole 平台。 Tenstorrent 的旗舰产品——32 颗 Blackhole 加速器组成的 6U 机架式 AI 计算平台，每颗加速器集成 768 个 RISC-V 核心，运行自有软件栈。这不是 PPT 产品，2026 年初已经量产出货。

高通对 Arm 的依赖是其最大的战略风险。 高通的 Snapdragon 处理器使用 Arm 指令集授权，自研的 Oryon CPU 核心也基于 Arm ISA。这意味着高通的数据中心战略命脉掌握在 Arm 及其大股东软银手中。

近年来双方关系持续恶化。2024 年，高通因 Arm 授权协议纠纷诉诸法律，最终在 Nuvia 收购案中获得胜诉。但这场诉讼让高通意识到：在 Arm 生态中，你永远是一个被许可人，而不是主人。

收购 Tenstorrent 为高通提供了一条退路：

Bernstein 分析师 Michael Rodriguez 指出："收购 Tenstorrent 将进一步增强高通在 CPU、定制 AI 加速器（ASIC）、服务器基础设施和 IP 产品方面的能力。"

高通的数据中心产品线也在快速成型：

• AI 200（2026 年）：Hexagon NPU 技术，直接液冷，每卡最高 768GB LPDDR 内存，机架功耗约 160kW
• AI 250（2027 年初）：近内存计算架构，有效内存带宽比 AI 200 提升 10 倍以上
• 新服务器 CPU：细节尚未公布，但 Tenstorrent 的 RISC-V 技术将成为关键拼图

RISC-V 不是为 AI 设计的——但 Tenstorrent 让它变成了 AI 利器。 传统 AI 加速器依赖 GPU 的 SIMD（单指令多数据）架构或专用 ASIC 的固定数据流。Tenstorrent 的方法完全不同：用 RISC-V 的通用计算灵活性来弥补专用硬件的刚性。

核心创新在于 Tensix 核心架构：

每个 Tensix 核心包含：

1. 6 个 RISC-V 处理器：处理控制流、数据调度和标量计算
2. 矩阵乘法单元（MXM）：执行 AI 推理的核心矩阵运算
3. 软件定义的数据流：通过 RISC-V 程序动态调度数据在核心间的流动

这种设计的优势是可编程性。GPU 的 Tensor Core 是固定功能的——你只能按 NVIDIA 定义的方式使用它。但 Tenstorrent 的 RISC-V 核心可以通过软件重新定义数据流，针对不同的模型架构（Transformer、CNN、MoE）优化执行路径。

Galaxy Blackhole 的规模化设计同样独特：

• 32 颗 Blackhole 加速器通过高速互联组成统一计算池
• 每颗加速器有 768 个 RISC-V 核心
• 总计 24,576 个 RISC-V 核心 / 机架
• 自有软件栈 TT-Metalium 直接操作硬件，绕过传统驱动层

Jim Keller 的设计哲学："GPU 是为图形设计的，然后被强行用于 AI。我们从第一天就为 AI 设计——这意味着不同的数据流、不同的内存层次、不同的编程模型。"

英伟达的 AI 芯片垄断不是硬件优势，而是软件锁定。 CUDA 生态经过 15 年积累，拥有：

• 超过 400 万开发者
• 所有主流 AI 框架（PyTorch、TensorFlow、JAX）的原生支持
• 海量的预优化库（cuDNN、TensorRT、cuBLAS）
• 成熟的调试和性能分析工具链

挑战者面临的不是芯片性能问题，而是生态迁移成本。

但 2026 年的格局正在发生微妙变化：

1. 推理市场崛起
训练市场由 NVIDIA H100/B100 主导，但推理市场的规模正在超越训练。推理工作负载更多样化、延迟敏感、成本敏感——这恰恰是专用芯片的优势领域。

2. 软件抽象层成熟
MLIR（Multi-Level Intermediate Representation）、ONNX Runtime、Apache TVM 等编译框架正在降低硬件迁移成本。开发者写一次模型定义，编译器自动优化到不同硬件后端。

3. 大客户自研芯片
Google TPU、Amazon Trainium/Inferentia、Microsoft Maia——三大云厂商都在自研 AI 芯片。这些内部芯片不需要 CUDA 生态，因为它们有专门的团队做软件适配。

Tenstorrent 的定位很聪明： 它不试图正面挑战 NVIDIA 的训练市场，而是聚焦推理效率。在推理场景下，客户更关心每美元/每瓦特的吞吐量，而不是 CUDA 兼容性。

2026 年的 AI 芯片市场正在从英伟达独大走向五极格局：

高通收购 Tenstorrent 的独特之处在于：它是唯一一个横跨'新势力'和'边缘'两极的玩家。

如果整合成功，高通将拥有：

• Arm CPU（Oryon）+ RISC-V AI 加速器（Tenstorrent）+ Hexagon NPU + 5G 基带
• 从云端到边缘的完整 AI 计算栈
• 数据中心和移动设备共享的 AI IP

但整合风险同样巨大。 高通是一家以手机芯片为核心的公司，数据中心文化和手机芯片文化截然不同。Jim Keller 是否会留在高通长期任职？Tenstorrent 的开源文化能否适应高通的企业文化？这些都是未知数。

高通收购 Tenstorrent 对中国 AI 芯片产业有三重启示：

第一，RISC-V 是中国 AI 芯片的战略机遇。
RISC-V 的开源中立性意味着它不受美国出口管制的直接限制（指令集本身是公开的）。中国已经在 RISC-V 领域投入大量资源——阿里平头哥的 C910/C920、赛昉科技的 JH7110 等。Tenstorrent 的 Tensix 架构设计思路值得深入研究。

第二，推理效率比训练性能更重要。
中国 AI 产业正在从"训练大模型"转向"部署大模型"。在推理场景下，每美元/每瓦特的效率直接决定商业可行性。国产 AI 芯片应该优先优化推理效率，而非追求训练峰值算力。

第三，软件栈是真正的护城河。
无论是 Tenstorrent 的 TT-Metalium 还是 NVIDIA 的 CUDA，最终决定芯片能否落地的不是硬件参数，而是软件生态的成熟度。国产 AI 芯片需要在 MLIR/ONNX 等编译框架上投入更多，降低从 CUDA 迁移的成本。

中国 AI 芯片的可行路径：

1. 基于 RISC-V 开放架构设计 AI 加速器核心
2. 聚焦推理效率而非训练峰值性能
3. 深度集成 MLIR/ONNX 生态，降低迁移成本
4. 在边缘场景（智能摄像头、自动驾驶、工业机器人）建立先发优势