AMD收購晶片新創公司Taalas，能否撼動輝達的AI霸主地位？

Taalas 成立於 2023 年，其技術路線與目前市場上絕大多數 AI 晶片截然不同。公司不做通用 GPU，而是將特定 AI 模型的權重直接蝕刻進矽晶片，製成模型專用積體電路。

今年 2 月，Taalas 發布首款測試晶片 HC1，採用台積電（TSM）6 奈米製程。當時的基準測試顯示，該晶片執行 Llama 3.1 8B 模型時，速度達每秒近 1.7 萬個 token，約為輝達 H200 和 B200 的 48 倍。

這種路線的代價在於犧牲了靈活性，晶片一旦投片，模型便被固化在矽晶片上，任何實質性更新都意味著重新投片。但 Taalas 方面表示，從接到新模型到完成硬體實現，大約只需兩個月。這意味著客戶需要在專用效能和更新頻率之間進行權衡。

AMD 執行長蘇姿丰先前表示，晶片領域沒有一套方案能適用所有場景。AI 市場正在向異質運算和客製化晶片演進，收購 Taalas 正是對此趨勢的具體回應，也是 AMD 整機櫃策略的一環。

2024 年以來，AMD 先後斥資 6.65 億美元收購 AI 模型開發商 Silo AI，又以 49 億美元收購伺服器廠商 ZT Systems，為 Helios 機架級系統鋪路。

今年 7 月，蘇姿丰在 Advancing AI 2026 大會上宣布，Helios 已進入全面量產階段，預計下半年陸續交付並於第四季上線，微軟（MSFT）、OpenAI、Anthropic 等客戶已確認部署。

AMD 計劃將 Taalas 晶片與 Instinct GPU 搭配部署。據知情人士透露，分離式架構下，提示詞處理由 GPU 負責，token 生成任務則卸載至 Taalas 加速器，形成先驗證、後加速的部署路徑。

先看 AMD 握有哪些籌碼。

蘇姿丰在 7 月大會上透露，2026 年約 60% 的 AI 算力已用於推理。推理成本正成為雲端廠商與企業的核心關切，而輝達 GPU 在推理任務中能效比低、延遲高，Taalas 的專用晶片恰好瞄準了這個需求。

效能方面，48 倍的推理效能差距，即便實際部署中有所折損，也足以讓雲端廠商在成本核算上重新權衡。微軟、Meta（META）等指標客戶已著手自研推理晶片，AMD 此刻進場，時機並不算晚。

再看系統層面，Helios 搭載 72 顆 MI455X GPU，算力和記憶體容量分別比輝達 Vera Rubin NVL72 高出 15% 和 50%。從晶片到伺服器再到軟體堆疊，收購 Taalas 補上了推理端的最短板。

但 AMD 面臨的困難同樣不容迴避。

首先是彈性的代價。Taalas 的晶片將模型焊死在矽晶片上，而 AI 模型以週為單位更新。客戶選擇 Taalas，便需接受兩個月更新一次的節奏。輝達 GPU 則隨時適配任何新模型，這種通用性是輝達難以被替代的根基。

其次是開發者生態系。輝達的優勢在於數百萬開發者長期基於 CUDA 平台建構 AI 應用，切換成本極高。AMD 的 ROCm 軟體堆疊雖在追趕，差距依然明顯。

最後是規模差距。輝達 2026 財年預計營收超 2000 億美元，AMD 約 300 億美元。無論在研發資金的投入、供應鏈頂端產能的掌控，還是在客戶關係上，雙方依然不在同一個量級。

理性判斷，單憑這筆收購， AMD 在短期內難以撼動輝達的領先地位，但在降本增效上，它為 AMD 打開了一個突破口。

推理市場剛剛爆發，蘇姿丰預計 2030 年 AI 加速器市場規模將達 1.4 兆美元。如果 Taalas 技術如期落地、Helios 系統得到驗證、ROCm 生態系持續追趕，AMD 有望在推理賽道拿到可觀的新增市佔率。從這個意義上說，收購 Taalas 是關鍵一步。

本內容經由 AI 翻譯並經人工審閱，僅供參考與一般資訊用途，不構成投資建議。