英伟达Blackwell架构将张量核心升级为独立协处理器，配备专属内存，矩阵乘法可由单线程异步发射，结果存入专用空间，无需线程集体等待。但需手动管理内存，易致泄漏，且读取结果需128线程。此设计彻底改变CUDA编程范式，从集体协作转向流水线分工，凸显张量核心从指令到独立单元的转变。

本文介绍了Oracle Java团队提出的一种扩展HAT编程模型的方法，包含显式张量核心编程的API，旨在使其通用，以便在没有显式张量指令的加速器上处理通过HAT张量核心API表达的计算。