2026 年 8 月 6 日，AMD 宣布收购多伦多 AI 芯片创业公司 Taalas。交易金额未披露，预计在第四季度完成监管审批后正式交割。这笔收购的特殊之处在于 Taalas 的技术路线：他们不把模型权重存在显存里，而是直接刻进硅片。
Taalas HC1 推理卡，芯片上印着 TAALAS 品牌名
模型专用集成电路
GPU、Groq LPU、Cerebras 晶圆级加速器——这些方案的共同点是：芯片是通用硬件，模型权重存储在外部（HBM 或 SRAM），运行时从内存读入计算单元。推理的主要瓶颈在内存带宽，不在计算能力本身。这就是所谓的 Memory Wall（内存墙）。
Taalas 走了一条完全不同的路。他们把模型的权重直接固化到芯片的物理结构中，通过芯片制造过程中的光刻掩模（photomask）来"记住"权重值。这种芯片在物理层面就是一种 MSIC（Model-Specific Integrated Circuit，模型专用集成电路）——每个芯片只服务一个特定模型，不存在"切换模型"这回事。
Taalas 的处理器包含两个核心区域：
- Mask-ROM recall fabric：权重被永久刻入掩模 ROM，这是芯片物理结构的一部分。不需要从内存读取权重，因为权重本身就是硬件。
- SRAM recall fabric：用于存储 KV cache 和 LoRA 微调适配器。这部分是可写的，支持在固定模型基础上做轻量级调整。
HC1 测试芯片的 benchmark
2026 年 2 月，Taalas 在 TSMC 6nm 工艺上流片了第一代测试芯片 HC1。关键规格：
| 参数 | 数值 |
|---|---|
| 制程 | TSMC 6nm |
| 芯片面积 | 815 mm² |
| 晶体管数量 | 530 亿 |
| 推理速度 | 16,960 tokens/s |
| 测试模型 | Llama 3.1 8B |
16,960 tokens/s 的数字需要放在上下文中理解。在同一组 benchmark 中，其他硬件的表现：
HC1 运行 Llama 3.1 8B 的推理速度对比（数据来源：Taalas 自测）
| 硬件 | Tokens/s |
|---|---|
| Nvidia H200 | 230 |
| Nvidia B200 | 353 |
| Groq | 594 |
| SambaNova | 932 |
| Cerebras | 1,981 |
| Taalas HC1 | 16,960 |
HC1 的吞吐量是 Cerebras 的 8.5 倍，是 Nvidia H200 的 73 倍。当然，这些数据来自 Taalas 自己的测量，测试条件（输入序列长度 1k/k）是 Taalas 选定的。但即使打个折扣，数量级差距依然可观。
这种性能差距的根本原因在于架构选择。传统 GPU 推理时，每生成一个 token 都需要从 HBM 把全部权重搬运到计算单元，这个搬运过程消耗的能量和时间远超计算本身。Taalas 把权重固化在芯片内部，数据搬运的物理距离从厘米级（HBM 到 GPU 核心）缩短到微米级（掩模 ROM 到计算单元），带宽瓶颈基本消失。
HC2 与万 亿参数模型
HC1 只是概念验证，真正面向部署的是第二代芯片 HC2。HC2 的目标是单芯片支持 200 亿（20B）参数。这个数字看起来不大，但 Taalas 的策略是用流水线并行（pipeline parallelism）把多个芯片串联起来服务大模型。
按照 20B 参数/芯片计算，一个万亿参数的模型需要 50 个 Taalas 加速器。这和 Nvidia 的方案形成对比：Nvidia 最近推出的 LPX 系统需要几十个 GPU 外加大约 2,000 个 Groq LPU 来服务同等规模的模型。
在空间和能效方面，50 颗专用芯片 vs. 2,000 颗 LPU 的差距悬殊。数据中心不需要为 HBM 供电和散热预留大量空间，也不需要应对 HBM 供应链的长期短缺。
AMD 的部署策略：解耦推理架构
AMD 收购 Taalas 后的部署计划值得关注。根据 The Register 的报道，AMD 打算把 Taalas 技术与 Instinct GPU 形成互补，构建一种解耦推理架构（disaggregated inference architecture）：
- Prompt processing（提示词处理） 在 Instinct GPU 上运行。这一阶段需要处理输入上下文，计算密集度高，GPU 的通用计算能力有优势。
- Token generation（输出生成） 卸载到 Taalas 加速器。这一阶段逐 token 生成输出，内存带宽是瓶颈，Taalas 的固化权重架构刚好对症。
这种分工对应了推理过程中两个阶段的计算特征差异。Prompt processing 是一次性的批量计算，Token generation 是持续的自回归生成。把两者拆分到不同硬件上，可以让每种硬件做自己擅长的事。
AMD 的 AI 业务高级副总裁 Vamsi Boppana 在声明中说："AMD 正在构建一个全栈 AI 平台，为客户提供为每种 AI 工作负载部署正确计算解决方案的灵活性。"这句话的含义是：AMD 不打算用 Taalas 芯片替代 Instinct GPU，而是两者并存，让客户根据负载选择。
AMD 的全栈布局已经包括 Helios 机架级系统、Instinct GPU、EPYC CPU、ROCm 软件，7 月又宣布与 Cerebras 合作。Taalas 是这个拼图中的推理专用层。
灵活性 vs. 性能的权衡
Taalas 技术的最大代价在于：芯片一旦制造完成，模型就锁死了。如果你想换一个模型，只能换芯片。在当前大模型几乎每月迭代的节奏下，这个限制不小。
不过实际情况没有听起来那么极端。Taalas 表示，更换模型不需要从零开始重新流片，只需要改变芯片中的两层金属层（metal layers）。这比完整的芯片 re-spin 便宜和快得多，但仍然需要数周时间，且成本远高于软件升级。
这意味着 Taalas 芯片最适合的场景是：模型已经稳定部署、推理量大、对吞吐和延迟有极致要求的工作负载。Taalas 在接受 The Next Platform 采访时指出，将模型权重刻入硅片的成本大约是训练一个前沿模型的百分之一。
换一种说法：如果一个模型开发者已经花了数亿美元训练出一个模型，再多花百分之一把它固化到芯片上以获得数十倍的推理速度提升，在经济学上是合理的。这种模式尤其适合 OpenAI、Anthropic、Meta 这类同时是 AMD Instinct 客户的大模型公司。
推理市场的分化
AMD 收购 Taalas 的背景是 AI 推理市场正在分化。Nvidia 在 2025 年底以 200 亿美元与 Groq 达成授权协议，把 Groq 的 LPU 技术整合到自己的系统中。AMD 收购 Taalas 是对标这步棋——但技术路线不同。Groq 的 LPU 仍然是通用数据流架构，可以运行不同模型；Taalas 的芯片则是模型专用的。
分化不止于此。Cerebras 与 AMD 合作，提供晶圆级推理加速；SambaNova 也在推自己的推理服务。GPU 不再是推理的唯一选项。
这种分化对大模型公司有利。当一个推理服务可以用多种硬件方案来搭建时，算力的定价权就从单一供应商（Nvidia）分散到了多个竞争者手中。推理成本下降直接惠及 end user——无论是调用 API 的开发者，还是使用 ChatGPT 的普通用户。
test-time scaling（测试时缩放）是另一个受影响的领域。这种让模型"多想一会儿"来提升回答质量的技术，代价是消耗更多 token。如果 Taalas 能把每个 token 的成本降低一个数量级，模型开发者就有空间让推理链（reasoning chain）更长、更深，而不会把用户等的时间或推理成本推到不可承受的水平。
创始人背景
Taalas 由 Ljubisa Bajic 联合创立并担任 CEO。Bajic 在芯片设计领域有深厚背景，此前曾在 AMD 参与 GPU 架构设计，也在 NVIDIA 工作过。Taalas 2023 年成立于多伦多，团队规模不大但工程能力集中。
AMD 对这笔收购的定位不仅是技术，也是人才。AMD 在声明中特别强调了对加拿大半导体和 AI 生态的长期投入，以及保留和扩大加拿大人才的承诺。这与 AMD 近年在多伦多和蒙特利尔扩张研发中心的策略一致。
行业影响
Taalas 的 MSIC 路线引发了一个根本性问题：AI 推理是否会像比特币挖矿一样走向专用芯片化？比特币早期用 CPU 和 GPU 挖矿，后来 ASIC（专用集成电路）全面取代通用硬件，效率差距达到数千倍。
AI 推理和比特币挖矿有一个关键区别：比特币挖矿的算法（SHA-256）二十多年没变，ASIC 可以放心投入；而大模型的架构和参数在不断演进，固化到硬件意味着赌定一个特定模型。但 Llama、DeepSeek 等开源模型的成熟度正在提高，模型更新频率可能放缓，这使得"锁死一个模型"的风险在降低。
AMD 的对冲策略是同时保留通用 GPU 和专用加速器。客户可以在 Instinct GPU 上开发和迭代模型，当模型稳定后，再考虑迁移到 Taalas 加速器以获得极致推理性能。这种 tick-tock 式的部署路径，把灵活性和性能的选择权留给了客户。
收购预计在 2026 年第四季度完成。在那之后，HC2 芯片何时能量产、AMD 如何在 Helios 机架中集成 Taalas 加速器、哪些大模型公司会率先采用，这些问题将逐步揭晓。