Oldeng(@dengdry):AMD 已签约收购多伦多 AI 芯片公司 Taalas，想解决一个很实际的任务：让代码助手、 AI Agent 这类大量生成文本的服务，回答更快，推理成本更低。 Taalas 的办法很激进：把模型权重直接固化进芯片，省掉频繁从外部高带宽内存搬数据的时间和功耗。其首款 HC1 跑 Llama 3.1 8B，自测达到每位用户约 1.7 万 token/秒。但这个数字不能直接理解成所有模型都能快十倍。测试用的是较小且已经过时的模型，还采用激进的 3/6 位量化； Taalas 自己也承认，输出质量比 GPU 基准有所下降。更麻烦的是选择权。GPU 可以换模型，专用芯片却把效率押在一个模型上。模型若有较大改动，就得重新流片； LoRA 这类小规模微调仍能保留，但赶不上如今模型频繁更新的节奏。所以它最适合的不是普通公司试用新模型，而是模型已经稳定、调用量巨大，愿意用前期制造成本换长期推理成本的平台。 AMD 买到的是一条更便宜、更快的生成通道，也把“选错模型后怎么办”的风险交给了客户。

2026.08.08 02:24

AMD 已签约收购多伦多 AI 芯片公司 Taalas，想解决一个很实际的任务：让代码助手、 AI Agent 这类大量生成文本的服务，回答更快，推理成本更低。 Taalas 的办法很激进：把模型权重直接固化进芯片，省掉频繁从外部高带宽内存搬数据的时间和功耗。其首款 HC1 跑 Llama 3.1 8B，自测达到每位用户约 1.7 万 token/秒。但这个数字不能直接理解成所有模型都能快十倍。测试用的是较小且已经过时的模型，还采用激进的 3/6 位量化； Taalas 自己也承认，输出质量比 GPU 基准有所下降。更麻烦的是选择权。GPU 可以换模型，专用芯片却把效率押在一个模型上。模型若有较大改动，就得重新流片； LoRA 这类小规模微调仍能保留，但赶不上如今模型频繁更新的节奏。所以它最适合的不是普通公司试用新模型，而是模型已经稳定、调用量巨大，愿意用前期制造成本换长期推理成本的平台。 AMD 买到的是一条更便宜、更快的生成通道，也把“选错模型后怎么办”的风险交给了客户。