Triton生态内少有CPU架构的实践，且多面向Host-Device的异构方案，进迭时空通过同构融合RISC-V AI CPU技术，结合Triton轻量化的交互式编程模式，将构建起比肩Triton GPGPU的AI高性能编程方案，从而推动AI应用的快速规模化落地。
2025年初Bit-Brick出品了第一款进迭时空的K1开发板，我第一时间就入手了。跟着论坛的帖子，我很快就在这款RISC-V融核处理器上跑起来了一个小语言模型，体验了一把本地AI推理加速运行的效果。之后，一直想自己动手试一把底层算子开发，但是没找到合适的上手项目。
2025年年末，论坛开启了新一轮【开发者活动】，通过Spine-Triton这个开源项目，让开发者可以直接写 Triton Kernel，然后跑在 SpacemiT AI CPU上。
下面就是我的初步体验记录，希望对大家上手有所帮助。
- 安装最新的Bianbu v3.0.1镜像并完成基本设置。
- 把Spine-Triton项目下载到本地：
git clone https://github.com/spacemit-com/spine-triton.git
cd spine-triton - 按照QuickStart的前两个步骤完成PIP包的安装：
pip install PyYAML sympy torch opencv-python pybind11 --index-url https://git.spacemit.com/api/v4/projects/33/packages/pypi/simple
pip install triton --index-url https://git.spacemit.com/api/v4/projects/33/packages/pypi/simple - 安装系统缺少的几个包：
sudo apt install -y openmpi-bin libsleef3 libomp5 - （可选）创建本地ir_dumps目录:
export SPINE_TRITON_DUMP_PATH=./ir_dumps
mkdir ir_dumps
- 运行基本例程：
python3 python/examples/test_smt_mm.py
