（来源：网易科技）

生成式 AI 浪潮之下，算力军备竞赛的主战场正从训练端向推理端迁移。今日，AMD 宣布已达成最终协议，收购总部位于加拿大多伦多的 AI 推理芯片初创公司 Taalas。

这笔收购恰好发生在 AMD 交出亮眼 Q2 财报的两天后。二季度 AMD 总营收达 115.36 亿美元，同比增长 50%，创历史新高；其中数据中心业务营收 67.18 亿美元，同比暴增 107%，占总营收比重已升至 58%。数据中心运营利润达 21 亿美元。AMD 预计 2027 年数据中心销售将再翻一倍。在这样的增长势能下，收购 Taalas 既是乘胜追击，也是为下一阶段的推理竞争提前布局。

相较于通用 GPU 路线，Taalas 所代表的 " 模型级硬化 " 技术路线，不依赖昂贵的 HBM 显存存储模型权重，而是将权重直接蚀刻进硅片，以牺牲通用性为代价，换取数量级的性能跃升与成本骤降。对于正在 AI 数据中心领域紧追英伟达的 AMD 而言，这笔收购既是推理侧的一次关键补强，也成为其全栈 AI 战略中的最新一块拼图。

把模型 " 烧 " 进硅片

Taalas 成立于 2023 年，是一家极其年轻的公司，团队规模仅约 25 人，却在硅谷芯片圈掀起了不小的波澜。其核心技术路线与主流 GPU、Groq LPU 乃至 Cerebras 晶圆级加速器的数据流架构都截然不同—— Taalas 的芯片将 AI 模型权重直接编码到晶体管电路中，而非运行时从内存中调取。从这个意义上说，Taalas 的芯片更像是一种 " 模型专用集成电路 "（Model-SpecificIC）。

这种激进的设计带来了惊人的性能数据。今年 2 月，Taalas 发布了首款测试芯片 HC1，采用台积电 6nm 工艺制造，将 Meta 的 Llama3.18B 模型硬编码进硅片。初步基准测试显示，该芯片每秒可生成 16,960 个 Token，速度是当时英伟达 GPU 的 48 倍，比 Cerebras 加速器快 8.5 倍，而成本仅为传统方案的约二十分之一，功耗降低一个数量级。

Taalas 的芯片架构主要由两部分构成：用于蚀刻模型权重的掩模 ROM 结构，以及用于存储 KV 缓存和微调适配器的 SRAM 结构。公司计划在今年夏季推出的第二代芯片 HC2 中，将单芯片参数量提升至 200 亿。尽管单芯片容量看似有限，但通过流水线并行技术，多个加速器可以协同支撑更大规模的模型——以万亿参数模型为例，仅需约 50 个 HC2 级别的加速器即可实现，这在空间和电力效率上远优于传统 GPU 集群方案。

支撑这一技术路线的是一支背景深厚的创始团队。联合创始人兼 CEO Ljubisa Bajic 是芯片行业的老兵，他曾在 AMD 和英伟达担任高级架构师，参与过 APU 和服务器 GPU 的设计，此前更是 AI 芯片公司 Tenstorrent 的联合创始人。另一位联合创始人、CTO Drago Ignjatovic 同样出身 AMD，曾任 APU 和 GPU 的高级设计工程师，后在 Tenstorrent 担任硬件工程副总裁。COO Lejla Bajic 则在 ATI 和 AMD 拥有多年系统工程经验。可以说，这是一支 " 从 AMD 走出去、又被 AMD 请回来 " 的团队，双方在技术语言和工程文化上的磨合成本极低。

资本层面，Taalas 同样备受追捧。成立至今，公司已完成三轮融资，累计约 2.19 亿美元。2024 年 3 月，Taalas 走出隐身状态，宣布完成两轮共计 5000 万美元的早期融资，由传奇半导体投资人 Pierre Lamond 和 Quiet Capital 牵头，Eclipse Ventures 等机构跟投。今年 2 月，公司再获 1.69 亿美元融资，富达（Fidelity）等大型机构入局，Quiet Capital 和 Pierre Lamond 继续跟投。据二级市场数据显示，融资后 Taalas 的投后估值约为 7.5 亿美元。值得一提的是，Taalas 仅用约 3000 万美元的研发投入就流片了首款测试芯片，资金效率在 AI 芯片初创公司中颇为罕见。

AMD 收购 Taalas 的逻辑，需要放在 AI 推理市场爆发的大背景下来看。

随着大模型走向大规模商业化落地，推理负载正在成为算力消耗的主体。与训练阶段追求极致算力密度不同，推理场景对时延、单次调用成本和每瓦性能有着更为苛刻的要求。通用 GPU 虽然灵活，但在面对稳定、高频的特定模型推理时，其通用性本身就意味着大量冗余——为支持各种模型而设计的控制单元、复杂内存层次和可编程逻辑，在单一模型推理场景中很大程度上是浪费。

Taalas 的技术恰好瞄准了这一痛点。通过将模型权重固化到硅片中，Taalas 消除了计算与内存之间的数据搬运瓶颈，而这恰恰是 GPU 推理性能的最大制约因素之一。无需 HBM、无需复杂的内存调度，芯片本身就是模型。

对于 AMD 而言，Taalas 的技术并非要取代 Instinct GPU，而是与之形成互补。AMD 人工智能事业部高级副总裁 Vamsi Boppana 在声明中表示，AMD 正在构建一个全栈式 AI 平台，让客户能够灵活地为每项 AI 工作负载部署合适的计算解决方案。业内普遍认为，AMD 可能采用一种解耦架构：计算密集型的提示处理（prefill）仍由 Instinct GPU 完成，而 Token 生成（decode）阶段则卸载到基于 Taalas 技术的专用加速器上。这种 "GPU+ 专用推理芯片 " 的组合，有望在保持灵活性的同时，大幅提升推理吞吐并降低成本。

此外，Taalas 的技术还可以与 AMD 的 Helios 机架级解决方案深度整合。就在两天前的财报中，AMD 正式宣布 Helios 机架级 AI 系统已开始向 Meta、OpenAI、Anthropic、甲骨文、微软 Azure 等头部客户出货，并与 Anthropic 达成战略合作，后者将在 Helios 平台部署高达 2 吉瓦的 MI450 系列 GPU。AMD 恰好拥有机架级计算平台和内部系统设计团队，可以轻松实现多芯片的流水线并行部署，将 Taalas 的单芯片能力扩展到大规模集群。

当然，这一技术路线也有其局限性。一旦芯片流片完成，就只能运行特定的基础模型，任何超出 LoRA 适配器范围的改动都需要重新设计芯片。不过 Taalas 表示，模型迭代并非需要从头重来，只需更换两层金属层即可，成本和时间开销相对可控。业内分析认为，这项技术的主要客户将是大型模型开发商、其基础设施提供商以及头部推理服务商——而 OpenAI、Anthropic、Meta 等恰好都是 AMD Instinct 的重要客户，这为 Taalas 技术的落地提供了天然的渠道。

Taalas 并非 AMD 在 AI 领域的第一次出手。梳理近年来 AMD 的资本运作，可以清晰地看到一条从 " 芯片供应商 " 向 " 全栈 AI 解决方案商 " 演进的路径。

早在 2022 年，AMD 就以 490 亿美元完成了对 FPGA 巨头 Xilinx 的收购，这是当时半导体行业最大规模的并购之一，为 AMD 带来了自适应计算能力和庞大的嵌入式客户群。同年，AMD 又以 19 亿美元收购了 DPU 厂商 Pensando，补齐了数据中心网络与智能网卡的短板。

进入 AI 时代后，AMD 的并购节奏明显加快，且目标更加聚焦于 AI 全栈能力的构建：

2024 年 7 月，AMD 以 6.65 亿美元收购了欧洲最大的私人 AI 实验室 Silo AI，补强 AI 模型开发和软件栈能力，增强 ROCm 生态。

2024 年 8 月，AMD 宣布以 49 亿美元收购 AI 服务器厂商 ZT Systems，旨在获得机架级 AI 系统的设计能力和超大规模云客户资源。2025 年 3 月收购完成后，AMD 保留了 ZTSystems 的设计团队和客户关系，于 2025 年将制造业务以 30 亿美元出售给 Sanmina，实现轻资产转型，集中资源做 Helios 整机柜 AI 平台。

2025 年 11 月，AMD 完成对推理软件公司 MK 1 的收购。MK1 的 Flywheel 推理引擎日处理 Token 量超过万亿，且深度优化于 AMDInstinctGPU，直接提升了 AMD 硬件的推理软件性能。

2026 年 6 月，AMD 宣布收购内存优化技术公司 MEXT。MEXT 的 AI 驱动预测内存技术可以让闪存 " 表现得像 DRAM"，旨在缓解数据中心日益突出的内存瓶颈，降低 AI 负载的内存成本。

而此次收购 Taalas，则是 AMD 在推理硬件层面的一次重磅加码。从软件（SiloAI、MK1）到系统（ZTSystems），从内存优化（MEXT）到专用推理芯片（Taalas），AMD 正在通过密集的并购，围绕 InstinctGPU 构建一个多层次、多形态的 AI 算力矩阵。

这份密集并购的成效已经开始体现在财报上——数据中心业务同比翻倍、Helios 正式出货、客户名单覆盖 OpenAI、Meta、Anthropic、微软等几乎所有头部 AI 玩家，正是全栈策略逐步兑现的信号。

AMD 的策略很清晰：不与英伟达在通用 GPU 上硬碰硬，而是通过差异化技术路线和全栈整合，在推理、成本效率、系统级解决方案等维度寻找突破口。Taalas 的硬连线推理芯片，正是这一策略下的一枚关键棋子。

这笔交易预计将于 2026 年第四季度完成，尚需获得监管部门批准。当 Taalas 的 25 人团队融入 AMD 庞大的工程体系后，" 模型刻进硅片 " 这一激进理念能在多大程度上改写 AI 推理的成本曲线，值得持续关注。