AMD收购Taalas，进军模型专用AI推理芯片领域

每一块用于运行大语言模型的GPU都需支付一项隐性开销：它必须不断从HBM内存中提取模型权重，并将其传输至计算核心，然后才能进行运算。Taalas的方法是彻底消除这一过程。其首款芯片HC1基于台积电6nm工艺打造，芯片面积为815 mm²，集成530亿个晶体管，不再从外部内存加载Llama 3.1 8B的权重，而是将权重和数据流直接蚀刻进芯片自身的金属层中^[2]。根据Taalas公布的基准测试结果，该芯片在单用户场景下可实现约每秒17,000个token的处理速度^[2]——多家媒体指出，这比同等工作负载下的通用GPU快48倍至73倍不等，且功耗显著更低。SiliconANGLE援引说法称，其性能达到Nvidia H200的73倍，功耗仅为十分之一；而The Register则引用数据称，其速度是GPU的48倍、Cerebras加速器的8.5倍^[1][3]。

使这一技术具备商业可行性而非一次性奇观的关键在于，为适配新模型所需更改的芯片部分极少。Taalas表示，在芯片超过100层的金属/掩模层中，仅有约两层上层负责编码模型特定的权重和矩阵维度，因此针对新模型的完整重新设计仅需约两个月，远短于行业通常的一到两年设计周期^[2][4]。这正是整个赌注的核心：放弃通用可编程性，换取在速度、成本和功耗上超越GPU的表现，前提是愿意将特定模型固化进硬件。但显而易见的代价——也是AMD连同优势一并买下的风险——是这些芯片无法像软件一样重新编程；任何实质不同的模型都意味着一次新的流片，而非固件更新^[1]。

Taalas并非孤立的收购案。SiliconANGLE将其视为AMD在过去九个月内第三项AI相关收购，此前分别是2025年11月收购MK1和2026年6月收购Mext^[3]。综合来看，这一系列动作呈现出一家公司正逐步构建全栈式AI推理平台的图景，而时间点也很难不与大约七个月前Nvidia以约200亿美元收购Groq的举动相联系^[7]。Taalas交易的具体条款未披露，交易仍需监管审批，预计将在第四季度完成^[6]。市场反应积极但温和：AMD股价当年迄今已上涨超131%，公告后交易日再涨约1.5%；零售投资者情绪平台Stocktwits上的讨论热度异常高涨，情绪转向“极度看涨”^[7]。在X平台上，AMD与Taalas几乎同时发布了庆祝公告，独立财经评论员Shay Boloor也呼应了Stocktwits的观点，认为此举标志着AMD正拓展GPU之外的能力，深化其在专用推理硬件领域的布局。

被收购团队的人才与芯片本身同等重要。Taalas由Ljubisa Bajic于2023年创立，他曾任AI芯片初创公司Tenstorrent的CEO，联合创始人还包括Lejla Bajic和Drago Ignjatovic。该团队在AMD出手前已通过2024年5000万美元融资轮及2026年初1.69亿美元融资轮，累计筹集约2.19亿美元^[4]。整个团队现将并入AMD AI集团，向高级副总裁Vamsi Boppana汇报^[5]。Reddit上一位用户将此举动更多解读为竞争层面的战略棋局，直接类比Nvidia对Groq的收购，并称Taalas是AMD‘扳平比分’之举——推测这些芯片的真正归宿将是AMD的Helios机架级系统，而非独立消费产品。

让Taalas芯片变得极快的设计选择，同时也使其极为脆弱。由于模型权重已成为硅片的物理组成部分，专为Llama 3.1 8B设计的芯片只能运行Llama 3.1 8B——任何实质不同的模型都需要一次新的流片，而非软件更新^[1]。The Register直截了当地提出了关键问题：真正值得关注的不是演示芯片本身，而是Taalas能否迅速将其转化为大规模量产部件，以满足AMD客户对模型多样性和实际部署规模的需求，尤其是在万亿参数级别，某些估算认为每个实例可能需要约50个加速器^[2]。

这种怀疑在社区反应中同样明显。Reddit上一位用户质疑，为何AMD自家专精此类硬件定制化的Xilinx FPGA部门此前未能推出类似产品；同一讨论中还有人担忧，只有当某一模型保持足够长的实用周期，才能证明两个月的重新设计周期具有经济合理性，另有观点担心该技术可能在尚未进入主流产品线前就被搁置。尽管如此，这些疑虑并未削弱整体热情——Reddit上也有声音认为，此次收购是AMD对Nvidia收购Groq的一次聪明且相对低成本的反制——但这仍是当前对该交易解读中最清晰的分歧所在。

报道该交易的硬件分析师迅速将其置于更长的历史脉络中，而非视作前所未有的创举。YouTube博主Ian Cutress（TechTechPotato）直接将其与英特尔早前收购eASIC相提并论——同样是将逻辑固化进金属而非保留可编程性——并形容Taalas的方法为“数据流优先设计”，其经济可行性仅因当前晶圆产能充足，足以支撑专用芯片的生产。Turing Post TV的报道则强调另一区别：Taalas的HC1是模型专用，而不仅是工作负载专用，这使其不同于Google TPU等虽专精于推理任务但仍可在不同模型间重新编程的芯片。

这一框架也在Reddit讨论中浮现，有顶级评论将该交易与AMD自身传闻中的‘IPU’（推理处理单元）概念及Google的‘Frozen v2’项目相比较，划清了权重完全蚀刻进芯片（如Taalas）与架构固定但权重仍可更新的设计之间的界限。另有讨论指出，AMD在最近的‘Advancing AI’主题演讲中还单独宣布了与Cerebras的合作伙伴关系，表明该公司正在推理堆栈层面同时下注多种不同技术路径，而非将整个路线图押在单一架构上。目前看来，Taalas这种硬连线方法究竟是将成为主导方案，还是仅作为AMD与Instinct GPU、EPYC CPU并列的多种解耦式推理构建模块之一，仍是悬而未决的问题，甚至AMD自身也尚未给出明确答案。