AMD收购Taalas：将AI模型硬编码进芯片，推理速度提升48倍

Taalas如何实现48倍加速

Taalas解决的核心问题是“内存墙”——包括NVIDIA在内的所有传统GPU，其绝大部分时间和能耗都消耗在将AI模型权重从高带宽内存（HBM）搬运到计算核心上。这种数据搬运严重限制了推理吞吐量并浪费功耗。

Taalas的解决方案是模型特定集成电路（MSIC）。该公司在制造过程中，将模型的数据流架构和数值权重直接硬编码进芯片的逻辑和金属层。由于从不发生从内存加载权重这一步骤，瓶颈被彻底消除。

速度提升堪称惊人。Taalas的HC1测试芯片采用台积电6nm工艺制造，在2026年2月以每秒16960个token的速度运行了Meta的Llama 3.1 8B模型——据称比同等NVIDIA GPU推理速度快高达48倍。有消息源称，取决于具体对比的NVIDIA基线，该数字甚至可达73倍。

关键权衡：不灵活，但这是有意为之

由于权重在出厂时就被物理“烧录”进硅片，每一块Taalas芯片只能运行它被制造时所针对的单一模型。你无法将不同的模型加载上去。

不过，Taalas开发了一套工具链来缓解这种刚性。它仅需最终确定约100层芯片堆叠中顶部的两层金属层，从而使新模型的投片（tape-out）周期缩短至约两个月。底层的晶圆设计保持不变，这使得重新流片的速度远超传统的ASIC开发。

AMD的异架构部署计划

AMD计划将Taalas的MSIC集成到一个解耦的、异构的计算架构中，与自家的Instinct GPU以及Helios机架级系统协同工作。

在这一设计中，通用型的Instinct GPU负责训练和灵活的推理任务，而Taalas芯片则作为高吞吐量、低延迟的专用推理加速器，专门服务于需求最旺盛的模型。Helios平台将通过统一的机架级互联网络将它们连接起来。

这种方法让AMD能够为客户提供分层的推理解决方案：灵活的GPU应对多样化的负载，超高效的MSIC则用于固定的、高流量的模型服务。

财务与战略背景

此次交易的条款未对外披露。 该收购是AMD一系列重大并购的一部分，此前包括2024年7月以49亿美元收购ZT Systems，以及2024年8月以6.65亿美元收购Silo AI。

在竞争层面，该交易直接针对NVIDIA。此前在2026年初，NVIDIA据报道与Groq达成了价值200亿美元的授权协议，获得了Groq的LPU推理架构使用权。AMD的赌注在于，Taalas面向特定模型的硬编码方案，能够在固定、高流量的推理负载中，提供比NVIDIA方案更优的每瓦性能。

Taalas的创立与发展

Taalas于2023年在多伦多创立，创始人为Ljubisa Bajic（曾任另一家AI芯片创企Tenstorrent的CEO），团队中还包括多名前AMD工程师。

在被收购前，该公司从Eclipse Ventures、Makers Fund、Radical Ventures等投资者手中筹集了2.19亿美元的风险投资。

2026年2月，Taalas展示了其HC1芯片，运行Llama 3.1 8B模型达到每秒16960个token的基准成绩，正是这个表现引起了AMD的关注。

总结

AMD收购Taalas，标志着它押注AI推理的未来不在于越来越快的通用GPU，而在于那些为最重要的模型牺牲灵活性、追求极致效率的专用芯片。通过将Taalas的MSIC与Instinct GPU配对，AMD正在构建一个既能处理长尾多样模型、又能应对热门模型海量流量的系统——这是对NVIDIA以GPU为核心的推理生态发起的直接挑战。