随着生成式人工智能热潮迈入第四个年头，一个共识日益清晰：GPU并非万能解药。尽管英伟达凭借通用GPU主导训练市场并成就万亿美元市值，但推理场景正快速分化——低延迟、高能效、模型定制化需求催生了专用加速器的新赛道。

打开网易新闻 查看精彩图片

在此背景下，AMD于2026年8月初宣布达成协议，收购总部位于加拿大多伦多的AI推理芯片初创公司Taalas。

Taalas的核心技术在于“模型即硅片”（Model-as-Silicon）：其加速器并非通用架构，而是为特定大模型（如Llama 3.1轻量版）深度定制的硬布线芯片。这种设计牺牲了通用性，却换来显著优势，即在目标模型上，推理吞吐量可达同功耗GPU的数千倍，且单位算力成本大幅降低。

据公开信息，Taalas自2023年成立以来已获2.19亿美元融资，芯片采用成熟制程与高速SRAM内存，兼顾量产可行性与性能密度。

值得注意的是，此次收购发生在英伟达以200亿美元收购Groq资产仅7个多月后。两笔交易看似相似，逻辑却迥异：

英伟达意在补强边缘推理与编译工具链，巩固其生态闭环。

而AMD的选择更显战略纵深，不追求替代GPU，而是构建“GPU+专用协处理器”的异构计算体系。

打开网易新闻 查看精彩图片

正如AMD CEO苏姿丰在7月发布会所言：“没有放之四海而皆准的AI芯片。GPU将继续承载训练与通用推理的主力角色，而专用加速器将精准服务于高吞吐、低延迟的关键场景。”

这一思路已在AMD最新硬件平台中落地。2026年6月24日，首批Helios机架级AI系统已在德克萨斯州罗克代尔数据中心完成部署。该系统支持4种可配置拓扑，整合AMD CPU、Instinct GPU及第三方加速模块（包括未来集成的Taalas芯片），直接对标英伟达的DGX SuperPOD。

此前，AMD已通过收购Silo AI（2024年，6.65亿美元）、ZT Systems（49亿美元）及MK1等公司，系统性补齐AI软件栈、整机系统与推理优化能力。

Taalas创始人Ljubisa Bajic曾表示：“从接收一个全新模型到交付定制硅片，周期仅需两个月。”这正是AMD此刻所需的敏捷能力——在AI硬件竞争从“单芯片军备竞赛”迈向“全栈系统竞速”的今天，收购Taalas不是对GPU路线的背离，而是以务实姿态，在推理侧构筑第二增长极。