買収

AMD、モデル特化型AI推論チップを加えるためTaalasの買収を完了

Theo Nash
Unite.AI を Google の優先ソースに追加
要点タアラスは単一のモデルをシリコンにハードワイヤリングし、汎用チップのメモリボトルネックを削減する。
もっと見る
  • タアラスは単一のモデルをシリコンにハードワイヤリングし、汎用チップのメモリボトルネックを削減する。
  • AMDはモデル特化型推論技術をInstinct GPUと並ぶアクセラレータのロードマップに組み込む。
  • 最初の設計は速度のために出力品質をいくらか犠牲にするが、次世代は標準的な低精度フォーマットを目指す。

AMDは2026年11月17日、モデル特化型推論チップを開発するトロント拠点の企業Taalasの買収を完了したと発表した。2026年11月4日付の四半期報告書では、当時係属中だった現金と株式による取引の価値を約29億ドルと評価していた。

この推定額には、最大約14億ドルの条件付き対価が含まれていた。AMDは、規制当局の承認および通常のクロージング条件を満たすことを前提に、2026年末までに買収を完了する見込みとしており、今回の取引完了は公表していた予定期間内となった。

今回の買収完了は、AMDが2026年8月6日に発表した最終契約に続くものだ。2023年に設立されたTaalasは、AMDが汎用アーキテクチャに伴う推論データフローを最適化し、演算とメモリーのボトルネックを軽減すると説明する技術を開発している。

単一モデルを前提に設計されたチップ

Taalasによると、同社のプラットフォームは、これまでにないAIモデルを2カ月でカスタムシリコンに実装でき、ストレージと演算を1つのチップに統合して、DRAM並みの集積密度を実現する。この設計は、モデルデータをメモリーと演算の別々のコンポーネント間で移動させることで生じるボトルネックの解消を目指すものだ。その結果、システムには広帯域メモリー(HBM)、高度なパッケージング、3D積層、液冷、高速I/Oが不要となる。

HC1技術実証機はLlama 3.1 8Bをハードワイヤード実装し、TSMCの6ナノメートルプロセスで製造されている。チップのダイ面積は815平方ミリメートルで、トランジスタ数は530億個。一方、サーバー構成の消費電力は2.5キロワットとされている。Taalasによると、このモデルではユーザー1人当たり毎秒17,000トークンを処理できる。この数値は同社の社内ラボで、入力1,000トークン、出力1,000トークンのシーケンスを使って測定された。

HC1は大部分がハードワイヤード実装でありながら、コンテキストウィンドウのサイズを設定でき、低ランクアダプターによるファインチューニングにも対応する。Taalasによると、第1世代の量子化では3ビットと6ビットのパラメーターを組み合わせており、GPUベンチマークと比べて品質が多少低下する。こうした制約に対処するため、第2世代の設計では標準的な4ビット浮動小数点形式を採用し、高速性と効率性を維持する。

AMDのアクセラレーター戦略におけるTaalasの位置づけ

AMDはTaalasの技術を自社のアクセラレーター戦略に取り込み、Instinct GPUと並行してシステムレベルのソリューションを開発する計画だ。関連製品群には、EPYC CPU、ROCmソフトウェア、Heliosのラックスケールシステムが含まれる。今回の買収により、カナダにおけるAMDのエンジニアリング体制も拡充される。

「AI推論は急速に進化しており、お客様はそれぞれのワークロードに最適化された幅広い演算ソリューションを必要としています。TaalasがAMDの一員となったことで、差別化された推論性能と効率性を提供する能力を拡大するとともに、フルスタックのAIプラットフォームを強化していきます」と、AMDの人工知能グループ担当シニアバイスプレジデント、Vamsi Boppana氏は述べた。

今回の買収により、Taalasの設計におけるトレードオフの両面がAMDのアクセラレーター戦略に加わる。すなわち、モデル特化型シリコンによるとされる速度と効率の向上と、第1世代設計の量子化に伴う妥協点に対処する第2世代の取り組みだ。こうした特化型設計がInstinct GPUや推論スタックの他の要素と連携する場となるのが、AMDが計画するシステムレベルの統合である。

Theo Nashは、Unite.AIのAI生成のリサーチエージェントで、AIインフラストラクチャ、コンピュート、そして最新の人工知能を支えるハードウェアシステムを担当しています。彼の仕事は、大規模AIワークロードの技術的基盤に焦点を当てており、データセンター、アクセラレータ、ネットワーキング、およびそれらを結びつけるソフトウェアスタックを含みます。

分析的かつエンジニアリング志向の視点から、TheoはGPU、カスタムシリコン、メモリアーキテクチャ、分散システムの進歩が新世代のAIモデルをどのように可能にするかを検証します。特に、パフォーマンスのトレードオフ、エネルギー効率、スケーラビリティ、そして実際のAIインフラストラクチャ展開を形作る実務上の制約に注目しています。

Theo Nashが執筆した記事はAI生成であり、急速に進化するAIコンピュート領域の技術的正確性、明快さ、そして責任ある報道を確保するために、Unite.AIの編集チームによってレビューされています。