編按：本文綜合整理自 The Register 原稿、AMD 投資人關係新聞稿 與 Bloomberg 報導，並加入 Siami 編輯部觀點與分析。
AMD 週四（8 月 6 日）盤後宣布收購加拿大 AI 晶片新創公司 Taalas，這家成立僅兩年半、員工 25 人的多倫多團隊，正用「把模型權重直接蝕刻進矽晶片」的極端路線，挑戰 Nvidia 統治的 AI 推論市場。這是繼 2025 年 12 月 Nvidia 與 Groq 達成 200 億美元授權協議後，AI 推論晶片領域第二次重大整併。
一、把模型燒進晶片是什麼意思？
傳統 GPU 把模型權重放在 HBM 高頻寬記憶體，運行時反覆搬運；Taalas 的做法更激進——直接把 Llama 3.1 8B 的權重蝕刻成晶片上的金屬連線，搭配 SRAM 處理 KV 快取與 LoRA 適配器。這種架構被稱為 MSIC（Model-Specific Integrated Circuit，模型專用積體電路），本質上是「晶片即模型」。
HC1 的實測數據相當驚人：
- 推論速度：16,960 tokens/s（單用戶單晶片）
- 製程：TSMC 6nm，晶粒面積 815mm²，53 億個電晶體
- 對比當時 Nvidia GPU：快 48 倍；對比 Cerebras WSE-3：快 8.5 倍
Taalas 共同創辦人暨執行長 Ljubisa Bajic 接受 The Next Platform 採訪時表示，把模型蝕刻進晶片比訓練一個同等規模的前沿模型便宜 100 倍。
第二代 HC2 預計 2026 年夏季量產，目標把單晶片參數量推到 200 億。若用管線並行擴展到 1 兆參數模型，只需約 50 顆加速器；對照 Nvidia LPX 系統，相同規模需要數十顆 GPU 加 2,000 顆 Groq LPU。能耗與空間效率差距明顯。
二、AMD 的全堆疊推論棋局
AMD 並未揭露交易金額，但確認這是「完整收購」而非單純的人才併購。Taalas 技術將與 AMD 既有的 Helios 機櫃級解決方案、Instinct GPU、EPYC CPU、ROCm 軟體棧整合。AMD AI 事業部資深副總裁 Vamsi Boppana 在聲明中表示，這補強了 AMD 在快速成長的 AI 推論市場的長期路線圖。
從架構推論，AMD 很可能走「分離式部署」路線：
- Prompt 預處理（高運算需求）：跑在 Instinct GPU
- Token 生成（低延遲、高吞吐量）：跑在 Taalas 加速器
這跟 Nvidia 從 Groq 拿到的 LPU 技術定位類似，但 Taalas 的硬連線方法理論上能提供更高的成本效益。也可能採用「tick-tock」節奏：客戶先在 Instinct 上驗證模型，穩定後再遷移到 Taalas 晶片。
關鍵時程：
| 項目 | 內容 |
|---|---|
| 公告日 | 2026 年 8 月 6 日（美東收盤後） |
| 預定完成 | 2026 Q4（須通過監管核准） |
| HC1 當前狀態 | 已運轉，可於 chatjimmy.ai 公開試用 |
| HC2 量產 | 2026 年夏季 |
三、為什麼這件事重要
這筆交易標誌著 AI 硬體競爭從「訓練」轉向「推論」的結構性轉變。過去三年，整個產業把 GPU 當萬靈丹——同樣的 H100 既訓練 GPT-4 也跑 ChatGPT 推論。但隨著模型迭代週期壓到月等級、推論成本佔比飆升，「通用加速器」的成本結構開始鬆動。
AMD 押注 Taalas 的核心邏輯有三層：
- 速度領先的 Moat：Taalas 在單一模型推論上比 Nvidia Blackwell 快 45 倍（業界 KOL 估算），這不是小幅改進，是架構層面的代差。
- 與 Nvidia 的 Groq 交易對標：Nvidia 花 200 億美元買 Groq 的 IP，AMD 收購 Taalas 等於直接拿到下一代推論技術的入場券。
- AMD 加拿大布局：AMD 過去幾年已在加拿大深耕半導體與 AI 生態，收購 Taalas 鞏固人才與專利（14 項）基礎。
更深層的意義是，這代表 AI 晶片市場開始走向「專用化分化」。通用 GPU 不會消失，但「前沿訓練用 GPU + 部署階段用 ASIC」的雙軌架構成為可能。Etched（Sohu transformer ASIC）、Cerebras（wafer-scale）、Groq（LPU）、SambaNova（dataflow）、AWS Trainium、Google TPU 都已在這條路上佈局，AMD 加入戰局只是時間問題。
四、質疑與風險：模型燒死怎麼辦？
最大的爭議點也是 HN 留言區最熱烈的話題：模型一旦蝕刻進去，就改不掉了。任何比 LoRA 大的改動都需要重新投片（re-spin），這既貴又慢。AI 模型現在以月為單位迭代，這等於買一台跑舊模型的奢華計算機。
Taalas 的辯護是「只需要改兩層金屬層」，不必從頭設計：
- 標準 ASIC 投片週期：1.5–2 年
- Taalas 改模型週期：約 2 個月
這聽起來差距巨大，但前提是「客戶對模型忠誠度極高」。實務上，企業客戶若押注 Llama 4.x 一年半，期間若 GPT-5 或 Claude 4.5 大幅超越，就陷入「繼續用舊模型」或「報廢整批硬體」的兩難。
額外風險：
- 產能限制：HC1 是 815mm² 大晶粒，單一晶圓能切出的數量有限
- 客戶集中：AMD Instinct 既有客戶（OpenAI、Anthropic、Meta）必須同時想用 GPU 訓練和 ASIC 推論，整合複雜度高
- 對手反擊：Nvidia 拿到 Groq IP 後預計 2026 H2 推出 LPX 系統，AMD-Taalas 的速度優勢可能被壓縮
一位業界觀察家 David Bennett 寫道：「市場成熟了，工作負載穩定了，成本結構接管一切。在正確的市場階段，不能改變想法的晶片不是限制，是特色。」
五、Siami 觀點：AI 硬體進入「訓練 vs 部署」分流時代
這次收購背後的真正訊號是：AI 算力市場正式分裂成兩個截然不同的經濟學。
訓練端追求「絕對通用、可重構」，所以仍是 GPU 的天下。Nvidia 在這裡有 H100、H200、Blackwell、Rubin 疊代護城河，加上 CUDA 軟體生態，短期內 AMD、Intel、Google 都難以撼動。
但部署端追求「單模型、長時間、最大吞吐量」，ASIC 的成本與功耗優勢壓倒 GPU。ASIC 化的瓶頸一直是「模型迭代太快、晶片投片太慢」的錯位，Taalas 用「兩層金屬可改」的工程妥協，把這個錯位從「兩年」壓到「兩個月」，經濟模型才跑得通。
對台灣與全球半導體產業的意涵：
- TSMC 將成最大受益者：HC1 已在用 TSMC 6nm，HC2 可能升級到 3nm 或更先進製程，先進封裝產能（CoWoS）需求將進一步吃緊
- 記憶體廠壓力加大：HBM 不再是萬靈丹，SRAM 與 mask-ROM 重新進入推論晶片材料清單
- 台系 IC 設計有新藍海：模型專用加速器的客製化需求，可能為台灣 ASIC 服務公司（如世芯、創意、智原）開出新業務線
AI 推論晶片市場在 2026 H2 進入「Nvidia LPX vs AMD-Taalas vs Etched vs Cerebras」四強混戰的格局，2027 年將是決定勝負的關鍵一年。
參考資料：
網友熱門留言 (5)