2025-11-8 –, 컨퍼런스홀(새빛관 101호)
언어: 한국어
세상에는 수많은 오픈소스 AI 모델들이 존재하지만, 정작 그 연산을 수행하는 하드웨어는 대부분 폐쇄적인 구조로 되어 있습니다. 이로 인해 많은 AI 엔지니어들이 모델이 어떻게 동작하는지는 알지만, 실제 연산이 하드웨어에서 어떻게 수행되는지는 직접 볼 수 없습니다. 이번 세션에서는 하드웨어 설계부터 소프트웨어까지 전 과정이 오픈소스로 공개된 Tenstorrent의 CPU와 AI 가속기를 소개하고, 그 개발 과정에서 제가 경험한 인사이트를 공유합니다.
There are countless open-source AI models in the world, but the hardware that actually performs their computations is mostly proprietary. As a result, many AI engineers understand how models work, but cannot directly see how the actual computations are carried out on hardware. In this session, I will introduce Tenstorrent’s CPUs and AI accelerators - whose entire process from hardware design to software is open-sourced - and share insights I gained during their development.
이번 세션에서는 다음과 같은 내용을 포함합니다.
- Tenstorrent CPU와 AI 가속기 소개
- AI 가속기 소프트웨어의 구조
- AI 컴파일러부터 로우레벨 하드웨어 라이브러리까지 (TT-Forge, TT-NN, TT-Metallium)
- Tenstorrent의 오픈소스 활동과 개발자 지원 프로그램 소개
This session will cover the following topics:
• Introduction to Tenstorrent’s CPUs and AI accelerators
• Structure of AI accelerator software
• From AI compiler to low-level hardware libraries (TT-Forge, TT-NN, TT-Metallium)
• Overview of Tenstorrent’s open-source initiatives and developer support programs
저는 로보틱스, 자율주행, AI 가속기 기술에 관심을 가진 엔지니어입니다. 현재 Tenstorrent에서 AI 팀을 이끌며, 차세대 AI 워크로드를 위한 오픈 RISC-V 기반 하드웨어를 개발하고 있습니다.
업무 외에도 한국 최대 규모의 로보틱스·SLAM 커뮤니티인 Spatial AI KR(구 SLAM KR)을 운영하며, Spatial AI, 컴퓨터비전, 하드웨어 가속기를 잇는 다양한 오픈소스 프로젝트에 기여하고 있습니다.
AI 컴파일러부터 로우레벨 하드웨어 라이브러리까지 완전히 오픈된 시스템을 지향하며, Tenstorrent의 오픈소스 스택(TT-Forge, TT-NN, TT-Metallium, TT-Studio)을 중심으로 개발자 생태계를 확장해 나가고 있습니다.
Hyunggi Chang is an engineer passionate about robotics, autonomous systems, and AI acceleration. He leads the AI team at Tenstorrent Korea, building open and scalable RISC-V-based hardware for next-generation AI workloads.
Outside work, he runs Spatial AI KR (formerly SLAM KR), one of Korea’s largest open communities for robotics and SLAM engineers, and contributes to open-source projects bridging Spatial AI, computer vision, and hardware acceleration.
He advocates for transparent, end-to-end open systems - from AI compilers to low-level hardware libraries - and works to expand the open-source developer ecosystem around Tenstorrent’s stack (TT-Forge, TT-NN, TT-Metallium, TT-Studio).
GitHub: changh95