在半導體的世界裡，Jim Keller 這個名字本身就是一個傳奇。他的職涯橫跨 DEC、AMD、蘋果、特斯拉到英特爾，打造出一系列撼動市場的處理器核心，從 AMD 的 Zen 架構到蘋果的 A 系列晶片，都出自他手。如今，身為 AI 新創 Tenstorrent 的執行長，這位被譽為「晶片設計之神」的鬼才，在近日的 SEMICON TAIWAN 大師論壇上，揭示了他將如何再次顛覆產業的藍圖：開源、低成本，以及一個與台灣緊密連結的未來。
今年的 SEMICON Taiwan 2025 人潮不少，各界都聚焦在半導體相關產業的未來發展上，而大師論壇也吸引了滿多聽眾與會， CyberQ 觀察，主要還是產業內關注趨勢的人士，以技術研發、產品 PM 為主，還有不少知名公司的高層到現場聆聽。
從頂尖工程師到領導者：Jim Keller 的管理哲學
過去，外界多半將 Jim Keller 視為一位獨自奮戰的技術天才，但事實上，他的成功更源於他獨特的領導哲學。根據 Tenstorrent 官網的深入報導，Keller 的職涯轉捩點發生在重返 AMD，臨危受命拯救公司免於破產之際。他意識到，要帶領龐大的工程團隊，光有技術遠遠不夠。為此，他潛心研究管理學，並發展出一套核心原則：設定清晰的目標、建立小型自治團隊並賦予團隊權力與信任、像設計電腦架構一樣設計組織；他將組織視為一台電腦，重視團隊成員的「多樣性」，因為不同的觀點與技能，才能激盪出最好的成果。現在，他將這套管理心法帶到了 Tenstorrent，目標是打造一個能夠靈活應對 AI 時代挑戰的高效能組織。
Tenstorrent 的震撼彈：在台設立據點，全面擁抱開源 RISC-V
在 SEMICON TAIWAN 論壇上，Jim Keller 投下了數枚震撼彈，而其中最引人注目的，莫過於宣布 Tenstorrent 將在台北成立辦公室，並積極招募營運與工程人才。此舉不僅顯示了他對台灣半導體製造實力的肯定，更希望藉由與台灣產業的緊密合作，投入小晶片（Chiplet）工程、CPU 設計驗證與 AI 模型等前瞻領域。
Keller 指出，當前的 AI 技術雖然強大，卻普遍被「昂貴」與「專有」兩大門檻所限制。為此，Tenstorrent 的核心目標，就是創造更便宜、更快速、更開放的新型 AI 架構，讓 AI 應用得以真正普及。他們的解決方案，是全面擁抱開源的 RISC-V 指令集架構。Keller 坦言，這個決定源於一次偶然的逆向工程事件，讓他們下定決心將處理器的規格與軟體堆疊完全開放。這意味著，未來任何人都可以利用 Tenstorrent 的技術，自由地打造和擴展自己的 AI 電腦。
Photo Credit : Google Gemini 生成
Black Hole 晶片與 Chiplet 革命：打造 AI 的未來
為了實現低成本、高效能的目標，Tenstorrent 的最新 AI 晶片「Black Hole」選擇了台積電的 6 奈米製程，並刻意避開昂貴的高頻寬記憶體（HBM），改用普通的 DRAM 和乙太網路來建構 AI 系統。這種反其道而行的策略，旨在大幅降低 AI 硬體的成本與複雜性。然而，Keller 的野心不止於此。
他認為，要解決晶片開發成本日益高昂的根本問題，就必須走向「小晶片（Chiplets）」的模組化架構。他發起了「開放小晶片架構計畫」，希望將 CPU、記憶體控制器、AI 加速單元等組件全部模組化，讓晶片設計如同堆疊樂高一樣，可以快速組合出符合各種需求的客製化產品。Tenstorrent 未來的商業模式也將極具彈性，從 IP 授權、晶片銷售、系統整合，甚至到雲端服務，全面涵蓋。Keller 強調，他希望讓電腦設計再次變得「有趣」且「容易實現」。
CyberQ 觀點：開源，不僅是口號，更是撼動 AI 霸權的支點
長期以來，AI 的發展或多或少被壟罩在單一硬體架構與封閉軟體生態系的陰影下。高昂的 GPU 成本、如同護城河般難以跨越的專有軟體堆疊（例如 CUDA），實質上為 AI 創新設立了昂貴的「過路費」，讓遊戲規則始終由少數巨頭所制定，然而，Jim Keller 與 Tenstorrent 此番所做的，不僅僅是發表一款新的晶片，更像是在試圖拆除這個過路收費站。全面擁抱 RISC-V、將軟體堆疊完全開源，這不僅是一個技術路線的選擇，它為苦於「供應商綁定」的企業和開發者們，提供了另一條截然不同的路徑。
一個硬體可以客製化、軟體不再被鎖死、創新可以由下而上迸發的未來，正因此而變得可能。當這套開源理念，再結合上 Chiplet 模組化的實踐，一套「晶片設計的 DevOps」哲學便應運而生。
對於台灣擁有全球最完整、最富彈性的半導體產業鏈來說，這不僅僅是一張晶片訂單，更是一張參與制定下一代 AI 硬體開放標準的入場券。由這位傳奇人物點燃的新型晶片的開源概念種子，會怎樣開花結果呢 ?
本文題圖由 Google Gemini AI 生成
