文章摘要
AMD收购AI芯片初创公司Taalas，后者将模型权重直接蚀刻到硅片中，可将推理性能提升一个数量级。此举旨在挑战英伟达在AI硬件领域的主导地位，提供更快、更便宜的高性能推理服务。交易细节未披露。
文章总结
AMD收购AI芯片初创公司Taalas，旨在通过将模型权重直接蚀刻到硅片中，将推理性能提升一个数量级或更多。这笔交易于2026年8月6日市场收盘时宣布，与英伟达去年12月以200亿美元授权Groq类似，目标是让高性能推理服务（如代码助手）运行更快、成本更低。AMD未披露交易条款，但确认是实际收购而非人才收购。
Taalas成立于2023年，总部位于多伦多，其芯片设计与传统GPU或数据流架构截然不同。它不依赖HBM存储模型权重，而是直接蚀刻到硅中，形成模型专用集成电路（MSIC）。2026年2月，Taalas展示了首款测试芯片HC1，采用台积电6nm工艺，在Meta的Llama 3.1 8B模型上达到每秒16,960个token，比英伟达GPU快48倍，比Cerebras加速器快8.5倍。尽管Llama 3.1已显过时，但该芯片主要用于概念验证。
Taalas芯片由两个主要区域组成：掩模ROM召回结构（蚀刻模型权重）和SRAM召回结构（存储KV缓存和微调适配器）。第二代HC2芯片计划于2026年夏季推出，参数容量提升至200亿。对于更大模型，权重可通过流水线并行分布在多个加速器上。例如，支持万亿参数模型仅需50个HC2加速器，而AMD的机架级计算平台和内部系统设计团队可轻松满足这一需求，比英伟达LPX系统更节省空间和功耗。
AMD计划将基于Taalas技术的芯片与Instinct Helios机架配对，采用解耦架构：GPU处理计算密集型提示处理，Taalas加速器负责token生成。另一种可能是采用“滴答-滴答”节奏，客户先在Instinct加速器上部署和验证模型，满意后再迁移至Taalas加速器。AMD AI高级副总裁Vamsi Boppana表示：“AMD正在构建全栈AI平台，为客户提供针对每种AI工作负载的灵活计算解决方案。”
然而，该技术存在显著缺点：一旦芯片部署，模型便固定不变。任何超出LoRA适配器范围的更改都需要重新设计芯片，成本高且耗时。但Taalas声称，新模型只需更改两层金属，而非从头开始，成本和时间大幅降低。该技术预计主要部署于AI模型开发者、基础设施提供商和少数推理服务商。Taalas指出，将模型权重蚀刻到硅中的成本比训练前沿模型低100倍。
AMD具备谈判优势，因为OpenAI、Anthropic和Meta都是其主要Instinct客户。鉴于模型公司与芯片设计商的紧密合作，GPT或Claude可能部署在Taalas和Instinct加速器组合上。该技术还对模型开发有影响：测试时缩放技术通过延长模型“思考”时间来减少幻觉，但消耗更多token且成本高昂。如果AMD的收购能将每token成本降低10倍或20倍，模型开发者可能进一步延长推理时间。该交易预计在第四季度完成，需经监管批准。
评论总结
根据评论内容，总结主要观点如下：
1. 对硬件未能面世的遗憾与期待 - 评论1：期待看到硬件产品问世（"Really hoped to see their hw out in the wild one day"） - 评论2：批评未给硬件发布机会（"Didn't even give them a chance to launch the hardware"） - 评论4：认为梦想破灭，但预测未来可在二手市场低价购得（"Well so much for that dream... pick these up ex-enterprise on ebay for under $5k"）
2. 对技术路线的认可与讨论 - 评论3：肯定设计思路，认为无需全新架构即可提升性能（"doesn't take an entirely new architecture... to produce significant performance improvement"） - 评论8：认为SOTA模型架构趋同，未来可能出现基础模型ASIC+物理LoRA适配器（"base model ASIC + 'fine tune' card"） - 评论10：以自身AMD硬件实现为例，支持“单流解码受带宽限制”的论点（"single-stream decode is bandwidth bound, so stop fetching weights from far away"）
3. 对商业前景与适用场景的分析 - 评论6：认为这是双赢，团队获得回报，优秀架构有望落地（"win-win... best ideas... see the light of day in actual products"） - 评论13：惊讶OpenAI/Anthropic未先行动，认为将模型固化到硅片是建立护城河的逻辑步骤（"Baking models onto silicon would've been the next logical move to get a moat"） - 评论17：指出对前沿公司意义有限，但对需要私有化部署的企业场景极具价值（"not going to make much sense for frontier companies... but for a lot of business use cases... it would make so much sense"）
4. 对技术局限与迭代的质疑 - 评论15：关注经济性和周转时间，担忧模型可能过时（"turnaround time mean the model is always too out of date"） - 评论16：质疑若新模型发布，芯片是否需重新设计（"What will be if new model released? New chips?"） - 评论14：想象蚀刻大模型（如Qwen 3.6 27B）所需芯片尺寸（"Imagine the size of chip needed to 'etch' something like Qwen 3.6 27B"）