AMD重磅收购Taalas：苏姿丰押注“模型即芯片”，AI推理大战升级

8 月 6 日，AMD 宣布与加拿大 AI 芯片初创公司 Taalas 签署最终收购协议。交易价格、支付方式和预计交割时间均未披露，收购仍需获得监管批准并满足其他惯常交割条件。AMD 给出的整合方向很明确：把 Taalas 的专用推理技术纳入加速器路线，与 Instinct GPU 共同组成系统级方案。

这是一笔规模尚不清楚的交易，却呈现了 AMD 对 AI 计算架构变化的判断。过去几年，芯片公司的竞争焦点主要集中在训练：谁能连接更多 GPU、提供更大的显存和更高的集群带宽。随着模型投入实际应用，推理逐渐成为持续发生、反复计费的计算负载。客户开始追问每个 token 的成本、响应延迟和数据中心功耗，一种芯片覆盖所有 AI 任务的效率越来越难令人满意。

AMD 的业务重心也在向这里移动。收购消息发布前两天，公司刚刚公布 2026 年第二季度财报：营收达到 115 亿美元，同比增长 50%；数据中心业务收入为 67 亿美元，同比增长 107%，占总收入的 58%。EPYC CPU 和 Instinct GPU 仍是主要增长来源，但 AMD 已经开始在这两类通用计算产品周围加入更多专用技术。

6 月，AMD 收购内存优化公司 MEXT，试图降低数据中心的内存容量和成本压力。7 月，AMD 与 Cerebras 达成合作，由 AMD 系统处理提示词和长上下文，Cerebras 的晶圆级芯片负责低延迟 token 生成。苏姿丰当时表示，AI 工作负载将出现更多拆分。

Taalas 补上的，是更靠近专用计算的一端。训练、提示词处理和经常变化的模型仍可运行在 GPU 上；调用量足够大、模型相对稳定的推理任务，则可能转移到为单个模型制造的芯片。AMD 正在搭建的产品体系，因而不再只有与英伟达正面竞争的 GPU，还包括一组可以按照负载特点组合的计算单元。

图丨Taalas HC1（来源：Taalas）

Taalas 的技术路线十分激进。通常情况下，AI 模型以软件形式存放在外部高带宽内存（HBM）中，芯片运行时不断读取参数并执行计算。数据需要在内存与计算单元之间反复移动，带来功耗、延迟和封装成本。Taalas 直接把模型结构和大部分权重写入芯片的掩模只读存储阵列，再使用片上静态随机存储器（SRAM）处理 KV Cache、上下文和模型适配器。模型由此成为电路的一部分。

首款采用这种“硬编码推理”（Hard Coded Inference）架构的芯片名为 HC1，由台积电采用 6 纳米制程生产，固化了 Meta 的 Llama 3.1 8B 模型。Taalas 称，HC1 可以达到每位用户约 1.7 万个 token/秒，硬件成本约为其他方案的二十分之一，功耗约为十分之一；系统不需要 HBM、先进封装和液冷。

不过，目前的性能数字主要来自 Taalas 自测。英伟达 B200 的对比结果同样由 Taalas 测量，Groq、SambaNova 和 Cerebras 的数据则来自第三方平台，测试条件并不完全一致。HC1 采用定制的 3 比特基础数据格式，并混合使用 3 比特和 6 比特参数。Taalas 承认，激进量化会造成一定的模型质量损失。用于演示的 Llama 3.1 8B 体量较小，也无法代表当前前沿模型的计算难度。

HC1 因而更像一项架构验证：当芯片放弃运行不同模型的能力，它在单一任务上能够快到什么程度。

这种效率也伴随着直接的代价。模型结构或权重发生较大变化，客户无法通过软件升级完成切换，需要等待新版本芯片。Taalas 的应对方式是提前生产基础晶圆，只在最后阶段修改两个金属层。公司宣称，从收到新模型到做出对应芯片可以缩短至两个月。

两个月远短于传统芯片的开发周期，却依然慢于模型更新。客户还需要管理更多服务器型号、备件和部署流程。若一个模型调用量不够大，节省下来的推理成本也未必能够覆盖专用芯片的设计、流片和运维支出。

因此，适合 Taalas 的场景也非常明确：模型稳定、请求量巨大、对延迟和成本极其敏感。例如语音交互、搜索、代码补全或运行在后台的固定智能体模型，都可能产生足够多的重复计算。频繁迭代的前沿模型、长尾模型和训练任务仍将依赖 GPU。Taalas 将会与 Instinct 形成分工，AMD 可以在一套系统中保留 GPU 的灵活性，再把成熟且昂贵的推理负载交给专用芯片。

除了架构，AMD 也买下了一支熟悉的团队。Taalas 的 3 位创始人 Ljubisa Bajic、Drago Ignjatovic 和 Lejla Bajic 都曾在 AMD 和 Tenstorrent 工作。Ljubisa Bajic 参与过 AMD 的 CPU-GPU 混合芯片设计，后来创办 Tenstorrent；Drago Ignjatovic 曾任 AMD 专用集成电路设计总监；Lejla Bajic 则从 ATI 进入 AMD，负责过系统工程。3 人于 2023 年在多伦多成立 Taalas。

2024 年，Taalas 以两轮共计 5000 万美元融资走出隐身状态。2026 年 2 月，公司再融资 1.69 亿美元，累计融资约 2.19 亿美元。Taalas 称，其 24 人团队开发 HC1 只投入了约 3000 万美元。对 AMD 而言，这支已经完成实际流片、同时熟悉 GPU 与专用芯片的小型工程团队，可能比一款尚未规模商用的产品更快产生价值。AMD 也表示，将保留并扩充 Taalas 的加拿大团队。

收购之后仍有几个问题没有答案。AMD 尚未说明 Taalas 技术会进入哪一代产品，也没有披露两类芯片如何连接、由哪一套软件调度，以及客户能否在不增加运维复杂度的情况下获得成本优势。Taalas 原本计划通过第二代 HC2 固化更大的前沿模型，但从 8B 模型扩展到混合专家模型和多芯片系统，需要新的实测结果。

AMD 买下 Taalas，是在押注推理市场最终会大到足以容纳一批“只做一件事”的芯片。Taalas 已经展示了芯片失去选择之后可以跑得多快；但它尚未证明，客户愿意为这种速度长期放弃同样的选择。

参考资料：

1.https://ir.amd.com/news-events/press-releases/detail/1296/amd-acquires-taalas-to-advance-compute-solutions-for-rapidly-growing-ai-inference-market

2.https://ir.amd.com/news-events/press-releases/detail/1295/amd-reports-second-quarter-2026-financial-results

3. https://taalas.com/the-path-to-ubiquitous-ai/