Advanced Micro Devices 已达成收购 Taalas 的最终协议，Taalas 是一家总部位于多伦多的初创公司，将人工智能模型直接硬连线到芯片中，此举旨在大幅加速人工智能推理。该交易于 2026 年 8 月 6 日宣布，就在 AMD 与 Cerebras 签署单独协议几周后，这标志着 AMD 将积极推动挑战 Nvidia 在人工智能硬件领域的主导地位。

此次收购反映出，随着企业追求更便宜、更快的方式来运行人工智能模型，半导体格局正在快速转变。对于正在重塑该领域的芯片大战的持续人工智能行业报道，AI Buzz Wire 正在关注每一个重大举措。

塔拉斯实际上做了什么

Taalas 采用了一种非常规的方法来解决所谓的内存墙问题，即 GPU 在开始处理数字之前闲置等待数据从内存到达的瓶颈。 Taalas 不是从单独的内存库获取模型的权重，而是将这些权重物理硬连接到各个晶体管中。

该初创公司的专有数字架构可以存储 4 位数据并使用单个晶体管执行数学运算。其 HC1 芯片具有共享硬件模块，可永久预先计算所有 16 种可能的乘积，以获得量化的 4 位模型权重。由于每个可能的数学结果都已经在芯片上实时发生，因此单个晶体管充当物理路由器而不是计算器。

AI模型的每个特定权重由单个Mask ROM晶体管表示。在制造过程中，会蚀刻一层微观金属层，以将该晶体管物理连接到 16 条预先计算的产品线之一。当数据流过芯片时，晶体管只需选择正确的预先计算的通道并将结果传递给加法器。本质上，电路是存储器和处理器的结合。

据该公司称，结果是惊人的：HC1 芯片每秒可为每个用户生成大约 16,000 至 17,000 个代币。这种方法让人想起 Groq LPU，它同样将 AI 模型权重直接烘焙到快速片上 SRAM 中以绕过内存瓶颈。

要点：专为一种型号打造的芯片

这种权衡是重要的。由于模型的权重被物理蚀刻到硅中，因此每个 Taalas 芯片仅适用于其设计的特定 AI 模型。它不是可编程的通用加速器。这使得它与 GPU 有着根本不同的主张，GPU 可以运行加载到其内存中的任何模型。

行业分析师推测，Taalas 的技术可以作为 AMD 更广泛的机架规模系统中的专用解码加速器，处理第二个延迟敏感的推理阶段，而更灵活的硬件（如 Cerebras 驱动的 Helios 系统）则处理预填充阶段。 AMD 尚未详细说明 Taalas 的芯片将在其产品路线图中的具体位置。

谁建造了塔拉斯

Taalas 于 2023 年由三位前 AMD 员工和 Tenstorrent 的领导者创立，Tenstorrent 是一家成立于多伦多、现位于圣克拉拉的人工智能芯片制造商。创始团队包括Tenstorrent的首席执行官Ljubisa Bajic、联合创始人兼前首席执行官、首席技术官兼总裁；首席运营官 Lejla Bajic；和首席技术官德拉戈·伊格尼亚托维奇（Drago Ignjatovic）。

该公司于 2024 年脱颖而出，披露了来自 Quiet Capital 和资深半导体投资者 Pierre Lamond 等人的 5000 万美元资金。 2026 年初，该公司宣布从富达 (Fidelity) 等集团追加 1.69 亿美元投资。 Taalas 声称，它可以在短短两个月内推出新的定制芯片，而行业标准通常需要一到两年的时间，并打赌它可以生产比基于软件的同类产品效率高一千倍的硬件。

AMD 收购的财务条款并未披露。该交易仍需满足成交条件和监管部门的批准。

AMD 为什么现在购买

AMD 将 Taalas 描述为专业 AI 推理芯片的先驱，其技术优化了 AI 推理数据流，并显着减少了与通用架构相关的计算和内存瓶颈。

AMD 人工智能部门高级副总裁 Vamsi Boppana 在一份新闻稿中表示：“Taalas 的技术和世界一流的工程团队通过提供差异化​​的推理性能和效率，增强了我们的人工智能产品组合。”

该交易扩展了更广泛的模式。 AMD 早些时候与 Cerebras 达成的协议将后者的晶圆级引擎集成到即将推出的 Helios 机架级系统中，该系统将大量内存和计算功能放置在单个互连的硅片上。除了自己的 Instinct GPU 和 Cerebras 合作伙伴关系之外，Taalas 的加入为 AMD 的推理武器库提供了第三种独特的武器。

对于 AMD 来说，吸引力是显而易见的。 Nvidia 凭借其 GPU 生态系统继续在人工智能训练和推理领域占据主导地位，而挑战者在通用计算领域的竞争却举步维艰。通过收购具有根本不同架构（晶圆级引擎、硬连线模型芯片）的公司，AMD 押注专用硬件将开辟利润丰厚的利基市场，而 Nvidia 的一刀切的 GPU 无法高效地发挥作用。

不断变化的推理市场

此次收购还体现了更广泛的行业转变。随着人工智能模型变得越来越大，推理成本不断膨胀，在通用 GPU 上运行它们的经济性正面临压力。专用推理芯片有望大幅降低大批量部署的成本，其中相同的模型运行数百万次。

如果 AMD 能够成功地将 Taalas 的硬连线方法商业化，它可以为云提供商和企业提供一种运行流行模型的方法，而成本和延迟仅为传统 GPU 的一小部分——前提是他们愿意致力于围绕单一模型构建芯片。

在芯片大战中保持领先地位

人工智能硬件霸主之争正在加剧，每一次收购都在重塑力量平衡。关注我们最新的人工智能发展，深入探讨驱动下一代智能的芯片。

阅读更多人工智能新闻 →