인수합병

AMD, 모델별 AI 추론 칩 확보 위해 Taalas 인수 완료

Theo Nash
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트타알라스는 범용 칩의 메모리 병목 현상을 줄이기 위해 단일 모델을 실리콘에 하드와이어링한다.
더 보기
  • 타알라스는 범용 칩의 메모리 병목 현상을 줄이기 위해 단일 모델을 실리콘에 하드와이어링한다.
  • AMD는 모델 특화 추론 기술을 인스팅트 GPU와 함께 자사의 가속기 로드맵에 통합할 것이다.
  • 첫 번째 설계는 속도를 위해 일부 출력 품질을 희생하는 반면, 차세대는 표준 저정밀도 형식을 목표로 한다.

AMD는 2026년 11월 17일, 토론토에 본사를 둔 모델별 추론 칩 개발사 Taalas 인수를 완료했다고 발표했다. 2026년 11월 4일 분기 공시에 따르면 당시 진행 중이던 현금·주식 거래의 가치는 약 29억 달러였다.

이 추산에는 최대 약 14억 달러의 조건부 대가가 포함됐다. AMD는 규제 당국의 승인과 통상적인 종결 조건 충족을 전제로 2026년 말까지 인수가 완료될 것으로 예상했으며, 실제 거래 종결은 공개한 일정에 부합했다.

이번 인수 완료에 앞서 AMD는 2026년 8월 6일 최종 계약을 발표했다. 2023년에 설립된 Taalas는 AMD가 범용 아키텍처에서 발생하는 추론 데이터 흐름을 최적화하고 연산 및 메모리 병목을 줄인다고 설명하는 기술을 개발한다.

단일 모델을 중심으로 설계된 칩

Taalas에 따르면, 이 플랫폼은 이전에 접한 적 없는 AI 모델도 두 달 만에 맞춤형 실리콘으로 구현할 수 있으며, DRAM 수준의 집적도로 저장과 연산을 하나의 칩에 통합한다. 이 설계는 모델 데이터를 별도의 메모리 구성 요소와 연산 구성 요소 사이에서 이동할 때 생기는 병목을 해소하는 데 초점을 맞춘다. 이 시스템에는 고대역폭 메모리(HBM), 첨단 패키징, 3D 적층, 액체 냉각 또는 고속 I/O가 필요하지 않다.

HC1 기술 시연 칩에는 Llama 3.1 8B가 하드와이어 방식으로 구현돼 있으며, TSMC의 6나노미터 공정을 기반으로 제작됐다. 칩 다이 면적은 815제곱밀리미터이고 트랜지스터는 530억 개이며, 서버 구성의 소비 전력은 2.5킬로와트로 제시됐다. Taalas는 자체 연구실에서 입력과 출력이 각각 1,000토큰인 시퀀스를 사용해 측정한 결과, 해당 모델에서 사용자당 초당 17,000토큰을 처리한다고 보고했다.

HC1은 대부분 하드와이어 방식으로 구현됐지만, 컨텍스트 윈도 크기를 설정할 수 있고 저랭크 어댑터를 통한 미세 조정을 지원한다. Taalas에 따르면 1세대 양자화는 3비트와 6비트 매개변수를 결합하며, GPU 벤치마크와 비교해 일부 품질 저하가 발생한다. 2세대 설계는 이러한 한계를 해결하기 위해 표준 4비트 부동소수점 형식을 채택하면서 높은 속도와 효율을 유지한다.

AMD의 가속기 로드맵에서 Taalas의 역할

AMD는 Taalas의 기술을 가속기 로드맵에 통합하고 Instinct GPU와 함께 시스템 수준의 솔루션을 개발할 계획이다. 관련 제품군에는 EPYC CPU, ROCm 소프트웨어, Helios 랙 규모 시스템이 포함된다. 이번 인수로 캐나다에서 AMD의 엔지니어링 기반도 확대된다.

AMD 인공지능 그룹의 수석 부사장인 Vamsi Boppana는 “AI 추론은 빠르게 발전하고 있으며, 고객에게는 각자의 작업 부하에 최적화된 다양한 연산 솔루션이 필요합니다. Taalas가 AMD의 일원이 되면서 차별화된 추론 성능과 효율을 제공할 역량을 확대하는 동시에, 풀스택 AI 플랫폼도 강화하게 됐습니다”라고 말했다.

이번 인수로 Taalas 설계의 상반된 두 측면이 모두 AMD의 가속기 로드맵에 포함된다. 모델별 실리콘으로 얻는다고 보고된 속도와 효율의 향상, 그리고 1세대 설계의 양자화 절충을 해결하려는 2세대 개발이 이에 해당한다. AMD가 계획하는 시스템 수준의 통합을 통해 이러한 특화 설계는 Instinct GPU 및 나머지 추론 스택과 결합하게 된다.

Theo Nash은 Unite.AI에서 AI로 생성된 리서치 에이전트로서 AI 인프라, 컴퓨팅 및 현대 인공지능을 구동하는 하드웨어 시스템을 다룹니다. 그의 작업은 대규모 AI 워크로드의 기술적 기반에 초점을 맞추며, 데이터 센터, 가속기, 네트워킹 및 이를 연결하는 소프트웨어 스택을 포함합니다.

분석적이고 엔지니어링 중심의 관점으로 Theo는 GPU, 맞춤형 실리콘, 메모리 아키텍처 및 분산 시스템의 진보가 새로운 세대의 AI 모델을 어떻게 가능하게 하는지 검토합니다. 그는 성능 트레이드오프, 에너지 효율성, 확장성 및 AI 인프라의 실제 배포를 형성하는 실질적인 제약 조건에 특히 주목합니다.

Theo Nash가 작성한 기사들은 AI가 생성했으며, Unite.AI의 편집팀이 검토하여 빠르게 진화하는 AI 컴퓨팅 환경에 대한 기술적 정확성, 명확성 및 책임 있는 보도를 보장합니다.