告别英特尔，「硅仙人」吉姆 · 凯勒加入AI芯片初创公司Tenstorrent

从英特尔离职半年后，半导体业界传奇人物、「硅仙人」吉姆 · 凯勒（Jim Keller）去向已定：成为加拿大多伦多 AI 芯片初创公司 Tenstorrent 的 CTO。

昨天，Tenstorrent 正式宣布吉姆 · 凯勒加入公司担任 CTO 一职，并加入公司董事会。

Tenstorrent CEO Ljubisa Bajic 表示：「当前，以 ML 为中心的软件趋势对计算能力转换提出了更高的要求，Tenstorrent 正是建立在这样的信念之上。没有人比吉姆 · 凯勒更有能力实现这一愿景，他在设计计算机、文化、组织方面都很擅长。」

当前，业界越来越多地使用机器学习方法解决传统软件曾经解决的问题。作为 CTO，吉姆 · 凯勒将领导 Tenstorrent 打造软件 2.0 时代的硬件解决方案。他表示：「软件 2.0 是长时间以来计算机创新方面的最大机遇，想要取得胜利，就要对计算和底层软件进行全面的重新思考。Tenstorrent 已经取得了令人瞩目的进展，伴随着最有前途的架构的出现，我们正准备成为下一代计算巨头。」

众所周知，如果像吉姆 · 凯勒这样的人评论一家公司「取得了令人瞩目的进展，并拥有最具前途的架构」时，这代表着一种高度赞扬；如果吉姆 · 凯勒真的加入了这家公司，意味着这种赞扬的程度翻倍了。

对于大众来说，他就像一个传奇。吉姆 · 凯勒此前在特斯拉、AMD、苹果和 PA Semiconductor 获得了一系列成功。2018 年 4 月，吉姆 · 凯勒加盟英特尔，但在 2020 年 6 月突然离职。

图片来源：英国硬件评测媒体 AnandTech。

以电气工程学士学位的身份，吉姆 · 凯勒在遍地博士的半导体行业走到了常人难以企及的位置。他的职业生涯开始于 DEC，从事 Alpha 处理器的设计工作，之后在 AMD 工作了两年，推出 K7 和 K8。随后，在 SiByte 和 Broadcom 担任首席架构师职位四年，以及在 PA Semi 担任了四年的工程副总裁。2008 年，PA Semi 被苹果收购。

在苹果的四年，吉姆 · 凯勒带领团队开发出了苹果 A 系列处理器的开山之作 A4，以及第二代 A5（对应 iPhone 4 和 iPhone 4S），开启苹果的辉煌造芯之路。从 A4 至今这么多年，苹果手机处理器一直是业界顶尖水平。

2012 年开始，他回到 AMD 担任公司副总裁和首席核心架构师，负责打造新一代 CPU 架构 K12 和 Zen，是 AMD「再次翻身」的关键人物。

最近一次离职前，他在英特尔工作了两年，提出了 3D 堆叠芯片等创新方法，是英特尔新架构的策划者之一。半年多以来，他以顾问身份进行工作交接。

自从宣布离开英特尔之后，业界和媒体一直在猜测吉姆 · 凯勒的下一步。先前他还曾公开表达过对马斯克的赞许：「我喜欢他的想法。」以致于有人猜测他会重回特斯拉。

最终的结果稍显意外，不是老东家 AMD，也不是去苹果搞 ARM Mac 芯片，当然也没有退隐。所以，让吉姆 · 凯勒看好的 Tenstorrent，是一家什么公司？

Tenstorrent 成立于 2016 年，是一家 AI 芯片设计和软件公司，在多伦多和奥斯汀有大约 70 名员工，算是名副其实的「小公司」。不过公司的关键成员都有硅设计的背景，有些还是吉姆 · 凯勒在英特尔、AMD 的前同事，比如其创始人 Ljubisa Bajic 曾是英伟达和 AMD 的资深架构设计师。

Grayskull 处理器。图片来源：Tenstorrent。

Tenstorrent 旗下的芯片有「Grayskull」和「Wormhole」。Grayskull 基于 GlobalFoundries 的 12nm 工艺，包含 120 个定制内核，拥有强大的 TENSIX 处理核心阵列，能够提供 368TOPS 算力。每个 TENSIX 核心具备完全 C++ 可编程、多线程、前端功能；高面积和功率效率矩阵计算引擎；强大灵活的 SIMD 引擎等。Wormhole 则是 Tenstorrent 即将推出的下一代网络交换及机器学习处理器，预计在 2021 年发布。

吉姆 · 凯勒的加入，能否给 Tenstorrent 带来「高光时刻」？但从他的职业生涯来说，一旦目标达成，吉姆 · 凯勒也许还会选择离开，去寻找更多新鲜的挑战。

参考链接：https://www.anandtech.com/show/16354/jim-keller-becomes-cto-at-tenstorrent-the-most-promising-architecture-out-there

产业英特尔Jim Keller

相关技术

推理网络 OpenCV

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

堆叠技术

堆叠泛化是一种用于最小化一个或多个泛化器的泛化误差率的方法。它通过推导泛化器相对于所提供的学习集的偏差来发挥其作用。这个推导的过程包括：在第二层中将第一层的原始泛化器对部分学习集的猜测进行泛化，以及尝试对学习集的剩余部分进行猜测，并且输出正确的结果。当与多个泛化器一起使用时，堆叠泛化可以被看作是一个交叉验证的复杂版本，利用比交叉验证更为复杂的策略来组合各个泛化器。当与单个泛化器一起使用时，堆叠泛化是一种用于估计（然后纠正）泛化器的错误的方法，该泛化器已经在特定学习集上进行了训练并被询问了特定问题。

来源：Wolpert, D. H. (1992). Stacked generalization. Neural networks, 5(2), 241-259

AMD机构

超威半导体（中国）有限公司专门为计算机、通信和消费电子行业设计和制造各种创新的微处理器（CPU、GPU、主板芯片组、电视卡芯片等)，以及提供闪存和低功率处理器解决方案，公司成立于1969年。AMD致力为技术用户——从企业、政府机构到个人消费者——提供基于标准的、以客户为中心的解决方案。

https://www.amd.com/zh-hans