Opkøb

AMD gennemfører Taalas-opkøbet for at tilføje modelspecifikke AI-chips til inferens

Theo Nash
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterTaalas hardwired en enkelt model i silicium for at reducere flaskehalsen i hukommelsen…
Vis mere
  • Taalas hardwired en enkelt model i silicium for at reducere flaskehalsen i hukommelsen på general-purpose-chips.
  • AMD vil indarbejde den modelspecifikke inferensteknologi i sin accelerator-roadmap sammen med Instinct-GPU'er.
  • Det første design bytter noget outputkvalitet for hastighed, mens den næste generation sigter mod standardformater med lav præcision.

AMD meddelte den 17. november 2026, at selskabet havde gennemført opkøbet af Taalas, en Toronto-baseret udvikler af chips til modelspecifik inferens. En kvartalsindberetning fra 4. november 2026 værdiansatte den dengang verserende kontant- og aktiebaserede transaktion til cirka 2,9 mia. dollars.

Dette skøn omfattede et betinget vederlag på op til cirka 1,4 mia. dollars. AMD havde forventet, at opkøbet ville blive gennemført inden udgangen af 2026, forudsat myndighedsgodkendelser og sædvanlige betingelser for gennemførelse, hvilket betød, at transaktionen blev gennemført inden for den tidsramme, selskabet havde oplyst.

Gennemførelsen følger den endelige aftale, som AMD annoncerede den 6. august 2026. Taalas blev grundlagt i 2023 og udvikler teknologi, som AMD beskriver som optimering af dataflowet ved inferens og reduktion af flaskehalse i beregning og hukommelse, der er forbundet med generelle arkitekturer.

En chip bygget op omkring én model

Taalas oplyser, at virksomhedens platform kan omdanne en hidtil uset AI-model til specialfremstillet silicium på to måneder, hvor lagring og beregning samles på én chip med en tæthed på DRAM-niveau. Designet sigter mod at afhjælpe den flaskehals, der opstår, når modeldata flyttes mellem separate hukommelses- og beregningskomponenter. Det færdige system kræver ikke hukommelse med høj båndbredde (HBM), avanceret pakning, 3D-stabling, væskekøling eller højhastigheds-I/O.

Dens HC1-teknologidemonstrator har Llama 3.1 8B fast implementeret og er bygget med TSMC’s 6-nanometerproces. Chipmatricen er på 815 kvadratmillimeter og rummer 53 milliarder transistorer, mens serverkonfigurationen er angivet til 2,5 kilowatt. Taalas oplyser, at modellen leverer 17.000 tokens i sekundet pr. bruger, målt i virksomhedens egne laboratorier med inputsekvenser på 1.000 tokens og outputsekvenser på 1.000 tokens.

HC1 bevarer muligheden for at konfigurere kontekstvinduets størrelse og understøtter finjustering via lavrang-adaptere, selv om chippen i vid udstrækning har fast implementeret funktionalitet. Taalas oplyser, at førstegenerationskvantiseringen kombinerer 3-bit- og 6-bit-parametre og medfører en vis kvalitetsforringelse sammenlignet med GPU-benchmarkresultater. Andengenerationsdesignet anvender standardiserede 4-bit-formater med flydende komma for at afhjælpe disse begrænsninger, samtidig med at den høje hastighed og effektivitet bevares.

Taalas’ rolle i AMD’s køreplan for acceleratorer

AMD planlægger at integrere Taalas’ teknologi i sin køreplan for acceleratorer og udvikle løsninger på systemniveau sideløbende med Instinct-GPU’er. Den øvrige produktportefølje omfatter EPYC-CPU’er, ROCm-software og Helios-systemet i rackskala. Opkøbet udvider også AMD’s ingeniørmæssige tilstedeværelse i Canada.

»AI-inferens udvikler sig hurtigt, og kunderne har brug for et bredt udvalg af beregningsløsninger, der er optimeret til deres arbejdsbelastninger. Med Taalas som en del af AMD styrker vi vores evne til at levere differentieret ydeevne og effektivitet inden for inferens, samtidig med at vi styrker vores AI-platform på tværs af hele stakken,« sagde Vamsi Boppana, senior vicepræsident for AMD’s gruppe for kunstig intelligens.

Opkøbet føjer begge sider af Taalas’ designmæssige afvejning til AMD’s køreplan for acceleratorer: de rapporterede gevinster i hastighed og effektivitet fra modelspecifikt silicium samt indsatsen i andengenerationsdesignet for at afhjælpe kompromiserne i førstegenerationens kvantisering. Det er gennem AMD’s planlagte systemintegration, at disse specialiserede design skal indgå sammen med Instinct-GPU’er og resten af selskabets inferensstak.

Theo Nash er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑infrastruktur, beregning og de hardware‑systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer på de tekniske grundlag bag store AI‑arbejdsbelastninger, herunder datacentre, acceleratorer, netværk og software‑stakke, der binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøger Theo, hvordan fremskridt inden for GPU’er, specialdesignet silicium, hukommelsesarkitekturer og distribuerede systemer muliggør nye generationer af AI‑modeller. Han lægger særlig vægt på præstationsafvejninger, energieffektivitet, skalerbarhed og de praktiske begrænsninger, der former implementeringen af AI‑infrastruktur i den virkelige verden.

Artikler skrevet af Theo Nash er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hastigt udviklende AI‑beregningslandskab.