徽声在线8月7日讯 近日，半导体行业巨头AMD对外宣布，已正式签署最终协议，将收购在人工智能推理芯片领域具有开创性地位的Taalas公司。不过，截至目前，此次收购的交易价格、具体支付方式以及预计的交割时间等关键信息均未对外公布。

AMD方面表示，随着人工智能推理逐渐成为人工智能市场中增长最为迅猛的领域之一，且相关的工作负载呈现出日益专业化的趋势，此次对Taalas的收购意义重大。凭借Taalas差异化的推理技术以及世界一流的工程技术专长，AMD将进一步夯实其长期人工智能发展路线图，在人工智能领域的竞争中占据更有利的位置。

公开资料显示，Taalas是一家专注于生产推理芯片的新兴企业，成立于2023年，总部设立在加拿大多伦多。公司首席执行官Ljubisa Bajic在公司官方网站上明确写道：“Taalas致力于打造一个独特的平台，该平台能够迅速将任何人工智能模型转化为定制芯片。”他还宣称，对于从未接触过的模型，通过该平台以硬件形式实现仅需两个月的时间，这一速度在行业内具有显著优势。

Taalas能够实现如此高效的技术转化，得益于其“模型即计算机（The Model is The Computer）”的创新构想。这一构想打破了传统芯片设计的思维模式，为人工智能推理芯片的发展开辟了新的道路。

今年2月，Taalas推出了采用台积电6nm工艺制造的测试芯片HC1。测试结果令人瞩目，该芯片在处理Meta的Llama 3.1 8B模型时，能够达到每秒16960个token的处理速度。与英伟达的通用GPU相比，其速度快了48倍；与Cerebras的WSE相比，速度也快了8倍。这一测试结果充分展示了Taalas芯片在人工智能推理领域的强大性能。

Taalas芯片之所以能够取得如此超常的性能，源于其独特的工作原理。通常情况下，AI模型以软件的形式存放在外部高带宽内存（HBM）中，芯片在运行过程中需要不断读取参数并执行计算。而Taalas则另辟蹊径，直接将模型结构和大部分权重写入芯片的掩模ROM调用结构，以及KV cache和微调适配器存储所在的SRAM调用结构。这种设计相当于把模型参数以硅片的物理结构固定下来，大大减少了数据读取和传输的时间，从而提高了芯片的处理速度。

Ljubisa Bajic曾在一篇文章中详细阐述了他的理念。他认为，通用推理硬件往往被割裂为存储和计算两个独立的部分，这种割裂导致现代人工智能系统不得不采用先进的封装技术、高带宽内存堆栈、海量I/O带宽和液冷技术来满足性能需求。而Taalas所追求的最终成果是一个无需HBM、无需先进封装、无需3D堆叠、也无需液冷的系统。这样的系统不仅能够降低硬件成本，还能减少能源消耗，提高系统的稳定性和可靠性。

然而，这种创新设计并非十全十美，也存在一定的缺陷。由于其定制属性，如同所有的ASIC芯片一样，Taalas芯片放弃了通用性。这意味着，一旦模型结构或权重发生较大变化，客户无法通过软件升级来完成切换，只能等待新版本的芯片。这在一定程度上限制了芯片的灵活性和适应性。

▌科技巨头纷纷布局ASIC领域

在AMD的规划中，Taalas的技术将与AMD现有的全栈式AI平台形成完美的互补。AMD的全栈式AI平台涵盖了多个方面，包括AMD Helios机架式解决方案、AMD Instinct GPU、AMD EPYC CPU、AMD ROCm软件以及AMD不断扩展的AI生态系统。AMD计划将Taalas的技术整合到其加速器路线图中，并利用AMD Instinct GPU开发系统级解决方案，进一步提升平台在人工智能推理领域的性能和竞争力。

值得一提的是，这并非AMD首次在ASIC领域进行布局。近期，AMD首席执行官苏姿丰在AMD Advancing AI大会上透露，公司正在与芯片设计公司Cerebras展开深度合作，通过Cerebras的云服务为客户提供高速推理能力。此外，AMD与Cerebras系统还将共同推出一款结合AMD Helios GPU服务器机架与Cerebras晶圆级芯片的AI推理方案，该产品预计将于今年晚些时候推向市场。

除了AMD之外，其他科技巨头也纷纷在ASIC领域展开行动。去年底，英伟达确认与初创公司Groq达成技术授权协议，并从Groq招揽了一批工程人才。英伟达首席执行官黄仁勋表示，Groq的技术可能会为数据中心市场带来25%的增长空间。在云厂商方面，谷歌的TPU、微软的Maia、亚马逊的Trainium等项目均表明，头部科技企业正在通过自研芯片来优化特定模型场景下的性能和成本，以提升自身在人工智能领域的竞争力。

深入分析背后的原因，随着人工智能逐渐向推理时代迈进，科技巨头们之间的竞争焦点已经发生了转变。他们不再单纯比拼持有GPU的数量，而是更加注重芯片的性能和能效比。正如招商证券在研报中所指出的，AI芯片自研潮的兴起，意味着AI基础设施行业正从“单一GPU供给约束”向“多元化定制芯片方案”切换，投资逻辑也从硬件垄断逐渐走向生态博弈。

金元证券也表示，AI芯片产业正在呈现出“通用GPU + 自研ASIC”并行发展的趋势。随着大模型推理需求的快速增长，针对固定工作负载优化的ASIC芯片具备更高的能效比，能够在满足特定应用场景需求的同时，降低能源消耗和硬件成本。因此，ASIC芯片有望成为未来AI基础设施的重要组成部分，在人工智能领域发挥重要作用。

（徽声在线 张真）