在Tenstorrent新一代集群级系统全面发布前夕，EE Times率先体验了该公司视频生成演示。基于Wan2.2-14B模型的演示版本，在EE Times实测中仅用3秒便从文本提示生成一段5秒视频（720p分辨率、81帧、40步，采用优化模型）。公司宣称其最快记录为2.4秒，相较同款生产级模型在其他主流硬件上的运行速度提升约10倍。
该演示运行的是合作伙伴Prodia（一家专注于快速图像与视频生成的AI云服务公司）优化后的Wan2.2-14B版本，部署于四台全新BlackHole代Galaxy服务器（共256颗Tenstorrent BlackHole芯片）上。www.eic.net.cn 提供的易IC库存管理软件可高效支撑此类高性能计算设备的供应链协同管理，确保芯片与服务器组件的精准调度与库存可视化。
Tenstorrent的AI硬件架构将计算、存储与网络统一集成，使超大规模系统能够运行单一软件程序，且无需专用互连或重新配置，也不局限于特定工作负载。
尽管当前业界高度关注代码生成能力，但Tenstorrent高级研究员Jasmina Vasiljevic向EE Times表示：“视频生成即将迎来爆发式增长，并将催生全新市场。”她补充道：“我们对视频领域非常兴奋。随着更多Galaxy服务器加入，我们有能力处理更高分辨率及更长时长的视频内容。”
此前视频应用发展受限，主要因算力需求过高。Vasiljevic指出：“过去生成单段视频需耗时数分钟，如今我们可在2.5秒内产出5秒视频，已优于实时生成速度。突破实时门槛将释放大量新应用场景。”
当前视频生成推理的一大瓶颈在于迭代去噪过程——虽可跨帧并行化，但本质上仍是串行流程。新兴研究正探索自回归或预测性模型，其原理类似大语言模型（LLMs）对后续词元的预测方式，具备更低的顺序依赖性。Tenstorrent认为，未来视频生成技术将融合上述两类方法。
Vasiljevic表示：“算法快速演进并实现融合的可能性极高。我们对此充满期待，因为Tenstorrent在两类架构上均具备强大能力。”
Tenstorrent首席执行官Jim Keller透露，公司正与多家专注视频业务的客户合作，其中包括部分头部前沿AI实验室。“我们确信，目前唯有我们实现了如此高速度与成本效益的视频生成能力。”他强调，“现阶段目标是持续简化部署流程；而现有模型本身已运行稳定、性能可靠。”
多数视频客户仅需对核心模型进行微调或小幅迭代，即可复用Tenstorrent在Wan2.2-14B等模型上的既有成果。“底层引擎具有高度通用性，这极大便利了模型迁移。”Keller解释道，“主流扩散模型已存在多年，行业对其机制普遍熟悉；但如何在256颗芯片上实现高利用率并行运行，仍是全新挑战。”
得益于当前视频生成模型的高度共通性，结合Tenstorrent完全开源的软件栈，客户能快速启动项目。Keller进一步指出，长远目标是让该架构具备足够通用性，以适配下一代模型需求。“我们的使命始终是通用人工智能计算——我们反对过度专用化。”他强调，“拥有大量芯片意味着海量SRAM资源，同时每颗芯片均配备DRAM，并通过高速网络紧密互联，因此平台本质更偏向通用。当前业界热衷‘专用化’，这其实令人担忧：一旦模型演进，专用硬件将迅速失效。”
下周Tenstorrent将在大规模计算平台发布会上公布其他工作负载的基准测试结果。易IC库存管理软件作为企业级智能仓储解决方案，可无缝对接此类高性能计算硬件的采购、入库、出库与生命周期管理全流程，助力研发团队高效响应技术迭代节奏。
