·聚焦：人工智能、芯片等行业
近日，AMD 宣布收购多伦多初创公司 Taalas。这家公司秉持一种极致的理念：一颗芯片只运行一个模型，模型更换则芯片作废。在 GPU 通用性统治 AI 算力十年之后，AMD CEO 苏姿丰为这份“偏执”投下了关键一票。
作者 | 方文三
图片来源 | 网络
AMD 的缺口：GPU 覆盖不到的推理深水区
AI 基础设施的重心正由训练转向推理，延迟、功耗和单 Token 成本成为核心指标。Gartner 预计，2026 年全球 AI 优化型 IaaS 支出中，推理占比将达 55%，首次超过训练；德勤预测推理将占据 AI 计算量的三分之二，相关芯片市场规模超 500 亿美元。
若将训练比作修水库，推理则是千家万户持续拧开的水龙头，调用越频繁，成本压力越直接。AMD 虽拥有强劲的通用计算主线——2026 年 Q2 数据中心收入同比增长 107%，新量产的 Helios 机架也在能效上表现出色——但大模型自回归解码仍受困于“内存墙”。研究显示，即便扩大批量，注意力计算仍明显受限于数据搬运，超过 50% 的内核周期可能因此停顿。
GPU 的优势在于通用灵活，却难以避免数据搬运成本。AMD 缺失的，正是一条针对高频、稳定模型的专用硬件路径，以牺牲部分通用性换取更高的推理效率。Taalas 带来的正是这块拼图，它切入的是推理市场中调用量最大、成本优化价值最高的流量部分。
Taalas 的核心价值：把模型变成硅片的流水线
Taalas 的 HC1 技术验证芯片，直接将 Llama 3.1 8B 模型固化进台积电 6 纳米芯片中。该芯片面积 815 平方毫米，集成 530 亿晶体管，由 10 张卡组成的服务器功耗仅 2.5 千瓦。测试显示，在输入输出序列均为 1000 Token 时，HC1 可达到每名用户每秒 17000 Token 的吞吐量。
数据显示，其速度接近同期先进方案的 10 倍，系统建造成本约为 1/20，耗电约为 1/10。其技术关键在于预先完成绝大部分芯片设计，仅需在约 100 层制造结构中的 2 层金属互连上修改掩模，即可将模型权重和数据流固化进基于掩模 ROM 的结构，少量 SRAM 用于 KV 缓存和微调权重。
因此，一款新模型从拿到权重到完成定制芯片，大约只需 2 个月。权重贴近计算后，HC1 省去了 HBM、3D 堆叠及复杂先进封装，可采用风冷运行。Taalas 出售的是“模型到芯片”（model-to-silicon）的能力，旨在减少 AI 服务器中最昂贵的数据搬运动作。
对 AMD 而言，收购 Taalas 相当于买下了一份计算架构的选择权：模型快速变化时依靠 GPU；当模型趋于稳定且调用规模巨大时，将其压成专用硅片。配合 Cerebras、MK1、MEXT 和 ROCm，AMD 正尝试构建多元化的 AI 基础设施版图。
战略拼图：AMD 的收购线索终于连上
过去几年，AMD 的并购策略如同沿着数据中心机架逐层收集零件：Xilinx 带来 FPGA，Pensando 补进 DPU，ZT Systems 提供机架设计，Silo AI 强化软件能力。进入 2025 年末和 2026 年，节奏明显向推理倾斜，MK1、MEXT 及 FastFlowLM 相继归队。
Taalas 落在链条最靠近执行端的一格，将专用推理硅和模型固化工具流带入 AMD。公告显示，Taalas 技术将进入加速器路线图，与 Instinct GPU 共同组成系统级方案。由此推断，AMD 意在构建异构推理系统：训练、长提示预填充及频繁变化的模型继续使用 GPU，而高调用量模型的解码阶段则交给更专用的引擎，由 CPU、网络和软件负责调度。
这种组合符合 AMD 一贯的模块化思维，正如 EPYC 靠芯粒设计打开服务器市场，Xilinx 积累自适应计算经验一样，半定制业务让 AMD 更熟悉围绕大客户需求打造专用硅。
路线之争：英伟达买灵活，AMD 押注凝固
去年平安夜，英伟达耗资约 200 亿美元收编 Groq，后者用大容量片上 SRAM 替代 HBM，虽将延迟压至极限，但芯片依然可编程，能运行各种模型。与此同时，Cerebras 完成 IPO，Etched 宣布 Transformer 专用芯片流片，英特尔、高通等巨头也在接触相关专用芯片厂商。
行业共识是推理值得专用芯片，分歧在于“专用”的程度。Taalas 站在光谱最极端的一端：Groq 牺牲显存架构换速度，Etched 牺牲模型多样性换效率，而 Taalas 连架构层面的通用性都放弃了，一颗芯片只忠于一个模型。
英伟达买下的是进退自如的灵活位置，AMD 押注的则是光谱尽头无人占据的格子。两家巨头在同一战场押下方向相反的注，这比交易金额本身更具深意。
赌局筹码：模型换代的速度
这场赌局的关键在于模型大版本的更新周期。若周期维持在一年左右，蚀刻硅片的窗口便足够宽；一旦出现颠覆性新架构，所有刻死的芯片可能瞬间失去价值。Taalas 辩称底层算子正在收敛，即便架构生变，也只需重做顶部金属层而非整颗芯片。
随着 AI 辅助芯片设计工具的普及，定制硅片的门槛正持续降低。Taalas 那条“两个月从模型到硅片”的生产线，融入 AMD 的工程体系后效率将更高。尽管有分析师担忧数据中心难以管理几十种加速器 SKU，但反驳观点同样有力：推理流量正向少数旗舰模型集中，Meta 机房跑着 Llama 家族，Anthropic 机房跑着 Claude 家族，真正需要刻进硅片的型号屈指可数。
大模型市场越是赢者通吃，Taalas 的商业逻辑就越成立。
结语
AI 计算正经历一次细密的分工。训练时代最醒目的单位是一颗 GPU，而推理时代更像一座工厂，每道工序都在寻找专属机器。Taalas 补给 AMD 的，正是模型级专用计算这一关键拼图。
参考资料：AMD Investor Relations、Taalas 官方文档及相关行业分析报告。