AMD 於 2026 年 8 月 6 日宣布達成收購 Taalas 的最終協議，條款未公開，且須取得監管批准。Taalas 把特定模型的權重直接燒進晶片本身。八個月前，Nvidia 以據報約 200 億美元取得了 Groq 推論架構的授權。兩家加速器廠商如今都已買下專用推論晶片。
以下是兩筆交易各自買到了什麼，以及這對基於開放模型打造產品的人意味著什 麼。
AMD 究竟買了什麼？
AMD 買下的是一家 2023 年成立於多倫多的公司，其晶片把訓練好的模型權重直接編碼進矽晶片，而不是在執行時從記憶體載入。AMD 在自己的公告中表示，將把該技術整合進其加速器藍圖，並與 AMD Instinct GPU 一起開發系統級解決方案。AMD 人工智慧部門負責人 Vamsi Boppana 將這次收購描述為帶來「差異化的推論效能與效率」。
更值得玩味的解讀關乎人與週期時間。Futurum 的分析認為，AMD 買的是一支精通其自有指令集的團隊，外加一套已獲驗證、能壓縮晶片設計週期的能力。Taalas 的創辦人出自 Tenstorrent 與 AMD。他們公開的做法是針對每個模型客製約 100 層金屬層中的 2 層，這正是台積電能在大約兩個月內產出一顆模型專用晶片的原因。一支 24 人的團隊以約 3,000 萬美元的實際支出做出了可運行的矽晶片，而這個領域的晶 片專案預算通常是九位數。所有數字均為 2026 年 8 月的資料。
Taalas 共同創辦人 Ljubisa Bajic 表示，加入 AMD 讓團隊獲得「加速創新所需的規模、工程資源與全球影響力」。
這與 Nvidia 取得 Groq 授權有何不同？
兩者都是加速器廠商在取得專用推論技術，而交易結構的差異很關鍵。Nvidia 取得的是授權並延攬了對方的經營團隊。AMD 則是整家買下。
| 屬性 | Nvidia 與 Groq | AMD 與 Taalas |
|---|---|---|
| 宣布日期 | 2025 年 12 月 24 日 | 2026 年 8 月 6 日 |
| 交易結構 | 非獨家授權 | 收購協議 |
| 報導金額 | 200 億美元 | 未公開 |
| 核心技術 | LPU 推論架構 | 權重燒進矽晶片 |
| 專用化程度 | 快速通用推論 | 一顆晶片一個模型 |
| 2026 年 8 月狀態 | 經營團隊已加入 | 待監管批准 |
兩個日期構成的模式才是重點：在八個月內，賣出幾乎全部 AI 訓練晶片的兩家公司，都出錢買下了自己沒有造出來的推論晶片。
什麼是模型專用晶片？
模型專用晶片是指其實體設計直接編碼了某一個訓練好的模型的權重，因此它只能執行那一個模型。Taalas HC1 是目前最清晰的例子：一顆台積電 N6 製程、擁有 530 億個電晶體的晶片，把 Llama 3.1 8B 放進光罩 ROM，其中單個電晶體同時承擔儲 存與運算。
去掉載入權重這一步，就等於為這一個模型去掉了記憶體牆，而推論的時間與功耗大部分正是消耗在那裡。Taalas 聲稱每使用者每秒約 17,000 個 token，功耗約 200 瓦。該數字是廠商自己的聲明，未經獨立驗證，因此應當視為一個方向而非基準成績。
這條路線的代價也完全在意料之中。只跑一個模型的晶片就只能跑一個模型。每一次權重更新、每一個新的基礎模型、每一次架構變動都需要新的矽晶片，這也是為什麼兩個月的流片週期比峰值吞吐數字更重要。
為什麼有人要把模型燒進晶片？
因為通用性很貴，而當量大到一定程度，這筆錢就不值得再付。GPU 的能耗預算大部分花在把權重在記憶體與運算單元之間搬來搬去，以便它能執行你載入的任何模型。如果你已經知道接下來要把哪個模型跑上一百億次，那份彈性就是你一直在付錢卻從未用到的開銷。
這與當年催生專用影片解碼器、網路處理器，以及如今每支手機裡的神經引擎的邏輯完全相同。只要一種工作負載同時變得龐大且穩定，這個模式就會出現。我們在關於 HC1 的原文中更深入地討論了這條歷史脈絡。
HC1 現在會怎樣？
關於 HC1 單獨銷售或 chatjimmy.ai 測試版 API 服務，目前沒有任何公告。Futurum 的分析預期 HC1 產品線不會原封不動地延續，團隊更可能的任務是最佳化客戶的工作負載，比照 AMD 與 Meta 的協同設計模式。SiliconANGLE 報導指出，HC2 鎖定約 200 億參數規模的模型。
Taalas 以獨立公司身分發布過一份藍圖：2026 年春季在 HC1 上推出中等規模推理模型，2026 年冬季在 HC2 上推出前沿模型。如今這些工作已納入他人的產品線，請把那些日期讀作意向。
如果你基於開放模型打造產品，這意味著什麼？
它獎勵的策略位置，是擁有一個值得為其做專用化的模型。兩筆交易都在押注：推論負載正變得足夠具體，具體到值得為它做專用硬體；而硬體上的專用化只有在其上執行的東西既穩定又高頻時才划算。透過 API 呼叫的通用模型兩者都不是。
由此對開發者有三點推論，而且沒有一點需要你去買這些硬體。
模型是持久資產，硬體是變數。 晶片藍圖會繼續變動，廠商會繼續整併，你今天選定的部署目標三年後多半不是你在跑的那個。用你自己的資料訓練出來的模型能撐過這一切，因為它是一個歸你所有的檔案。這正是我們主張訓練一個尺寸合適的模型，而不是租用一個前沿模型的原因。
小而專是硬體正在走的方向。 HC1 燒進的是一個 8B 模型，據報 HC2 鎖定約 20B。兩者都遠低於前沿規模，這告訴你晶片設計者認為生產環境的推論實際上長什麼樣。如果你的部署計畫假設自己永遠會呼叫可用的最大模型，那麼硬體趨勢正在離你而去。
按 token 計價在規模上越來越站不住腳。 專用推論晶片的全部論據在於：大規模的重複推論本質上是一個披著變動成本外衣的固定成本問題。這與按 token 計費的 API 在用量變得可預測之後就變貴是同一套算術。
現在該做什麼？
這兩筆交易都不要求你立刻行動，因為這些晶片今天都還買不到。它們真正證明合理的，是趁硬體塵埃落定之前把模型這一側整理好。
- 把資料集建起來。 這裡描述的每一條部署路徑，從筆電上的 GGUF 到假想中的燒錄晶片，起點都是一個用只有你才有的資料訓練出來的模型。這項資產建置週期最長，也是唯一沒人能賣給你的部分。
- 按你實際要部署的尺寸去訓練與評估。 如果答案是 4B 或 8B，現在就搞清楚，而不是在你已經圍繞前沿模型的品質做完設計之後。
- 保持適配器可移植。 LoRA 適配器可以乾淨地合併回基礎權重，這讓你在不同執行環境之間保有選擇餘地。我們另外討論了尺寸與速度的取捨。
- 別理會峰值吞吐數字。 每秒 17,000 個 token 的說法描述的是單一模型上的最佳情況。決定你能部署什麼的是你的品質標準，而這遠在硬體之前就已經生效。
常見問題
AMD 完成對 Taalas 的收購了嗎？
沒有。AMD 於 2026 年 8 月 6 日宣布達成最終協議，該交易仍須符合慣例的交割條件並取得監管批准。外部報導指出預計於 2026 年第四季完成交割。截至 2026 年 8 月，這是一樁已宣布而非已完成的收購。
AMD 花了多少錢收購 Taalas？
AMD 未公開財務條款，其公告與投資人資料中都沒有出現任何金額。作為規模參照，截至 2026 年 2 月，Taalas 累計募資 2.19 億美元，其中包括來自 Quiet Capital、Fidelity 以及半導體投資人 Pierre Lamond 的 1.69 億美元一輪。
Nvidia 與 Groq 的交易和 AMD 與 Taalas 的交易有什麼區別？
Nvidia 取得的是 Groq LPU 推論架構的非獨家授權，據報價值 200 億美元，並延攬了 Groq 的經營團隊。AMD 則是整家收購 Taalas。技術路線也不同：Groq 的 LPU 加速的是通用推論，而 Taalas 把某一個特定模型編碼進晶片。
模型專用晶片會讓微調變得多餘嗎？
模型專用晶片讓微調更有價值，因為圍繞單一模型打造的晶片，只有在那個模型值得大量執行時才值得製造。這要求模型專用到足以產生價值，穩定到足以長期使用。微調正是讓模型同時具備這兩點的方法。
我今天能在 Taalas HC1 上執行微調過的模型嗎？
在你自己的硬體上不行。HC1 從未開放本地採購，Taalas 提供的是測試版 API 服務形式的推論。自 AMD 達成協議以來，關於該服務尚無任何公告。若要在今天執行微調模型，實際可行的路徑是在自己的機器上使用 GGUF 匯出。
簡短版
兩家加速器廠商花了八個月與大量金錢，得出了同一個結論：推論是與訓練不同的問題，而且它正在專用化。針對這一點的硬體答案還會不斷易主，這兩筆交易以及後續的交易都會證明這一點。
用你自己的資料訓練出來的模型置身事外。它是一個歸你所有的檔案，能比本文提到的任何一筆交易活得更久。Ertas 的存在就是為了讓這一部分在沒有 ML 團隊的情況下也做得到：準備資料集，視覺化訓練，匯出為 GGUF 或 LoRA 適配器，然後部署到硬體最終落腳的地方。
資料來源：AMD 新聞室、Groq 新聞室、Futurum Group、SiliconANGLE 與 VentureBeat。所有數字於 2026 年 8 月 11 日核實。