AMD kupuje Taalas a chce AI modely zapisovat přímo do křemíku

Kde se bere až 48násobné zrychlení

U tradičních GPU, včetně čipů Nvidia, není hlavním problémem samotné násobení čísel. Velkou část času a energie zabere přesouvání vah AI modelu z vysokorychlostní paměti HBM do výpočetních jader. Této překážce se v branži říká paměťová zeď.

Taalas se ji snaží obejít pomocí takzvaných modelově specifických integrovaných obvodů (MSIC). Při výrobě se do čipu napevno zapíše jak datový tok modelu, tak jeho numerické váhy. Při generování odpovědi proto není nutné váhy znovu načítat z paměti – úzké hrdlo se tím prakticky odstraní.

Výsledky testů jsou výrazné. Testovací čip Taalas HC1 vyrobený 6nanometrovou technologií TSMC v únoru 2026 obsloužil model Meta Llama 3.1 8B rychlostí 16 960 tokenů za sekundu. Taalas tento výsledek popsala jako až 48× vyšší rychlost než u srovnatelné inference na GPU Nvidia. Některá srovnání uvádějí až 73násobek, záleží však na konkrétním použitém čipu Nvidia jako základně.

Cena za rychlost: jeden čip, jeden model

Taalas za tento výkon platí zásadní kompromis. Protože jsou váhy fyzicky zabudované do křemíku už ve výrobě, může každý čip spouštět pouze model, pro který byl navržen. Jiný model do něj jednoduše nenahrajete.

Startup se snaží tuto nepružnost zmírnit vlastním návrhovým nástrojem. Zhruba u stostrstevného čipu dokončuje pouze dvě horní kovové vrstvy, zatímco základní návrh waferu zůstává stejný. Nový model tak může být připraven k výrobě přibližně za dva měsíce, což je rychlejší než vývoj zcela nového specializovaného čipu.

AMD nechce GPU nahradit, ale doplnit

AMD plánuje technologii Taalas začlenit do heterogenní, rozdělené výpočetní architektury společně s GPU Instinct a rackovými systémy Helios.

Prakticky by to znamenalo rozdělení práce podle typu úlohy. Univerzální GPU Instinct by zajišťovala trénování a flexibilní inferenci pro širokou škálu modelů. Čipy Taalas by naopak obsluhovaly nejžádanější modely s vysokým provozem, kde je důležitá maximální propustnost a nízká latence. Platforma Helios by jednotlivé komponenty propojila v rámci společné infrastruktury na úrovni celého racku.

AMD tak může nabídnout dvě vrstvy řešení: flexibilní GPU pro rozmanité úlohy a mimořádně úsporné MSIC pro stabilní modely, které se používají ve velkém objemu. Provozovatelé datacenter by nemuseli volit mezi univerzálností a efektivitou jednou provždy – mohli by nasadit oba typy čipů podle konkrétní zátěže.

Finanční a konkurenční souvislosti

Hodnota transakce zveřejněna nebyla. Akvizice zapadá do série velkých nákupů, kterými AMD rozšiřuje své schopnosti v oblasti AI infrastruktury. V červenci 2024 firma koupila ZT Systems za 4,9 miliardy dolarů a v srpnu téhož roku Silo AI za 665 milionů dolarů.

Současně jde o další dílek v souboji s Nvidií na trhu inference. Nvidia podle dřívějších zpráv uzavřela v roce 2026 licenční dohodu s Groq v hodnotě 20 miliard dolarů, která jí poskytuje přístup k architektuře inference čipů Groq LPU. AMD nyní sází na to, že fyzické přizpůsobení čipu konkrétnímu modelu nabídne u stabilních a vysoce vytížených úloh ještě lepší výkon na watt.

Kdo Taalas založil

Taalas vznikla v roce 2023 v Torontu. Založil ji Ljubisa Bajic, bývalý generální ředitel startupu Tenstorrent zaměřeného na AI čipy, spolu s týmem, v němž působili také bývalí inženýři AMD.

Před akvizicí startup získal od investorů včetně Eclipse Ventures, Makers Fund a Radical Ventures celkem 219 milionů dolarů rizikového kapitálu.

Pozornost si získal především demonstrací čipu HC1 z února 2026. Ten tehdy předvedl zpracování modelu Llama 3.1 8B rychlostí 16 960 tokenů za sekundu – benchmark, který pomohl dostat technologii Taalas do hledáčku AMD.

Co akvizice znamená

AMD tím sází na myšlenku, že budoucnost inference nebude stát jen na stále rychlejších univerzálních GPU. U nejpoužívanějších modelů může dávat větší smysl specializovaný čip, který obětuje flexibilitu výměnou za vysokou rychlost, nižší latenci a lepší energetickou efektivitu.

Kombinace MSIC od Taalas s GPU Instinct by AMD umožnila pokrýt oba konce trhu: dlouhý ocas méně běžných a často se měnících modelů i masový provoz několika nejžádanějších systémů. Akvizice tak představuje přímou výzvu dominanci GPU Nvidia v infrastruktuře pro AI inference – nikoli snahou nabídnout univerzálnější čip, ale přesným opakem.