Overnames

AMD rondt overeenkomst met Taalas af voor modelgebonden AI-inferentiechips

Theo Nash
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenTaalas hardwiret één model in silicium om de geheugenbottleneck van general-purpose…
Meer weergeven
  • Taalas hardwiret één model in silicium om de geheugenbottleneck van general-purpose chips te verminderen.
  • AMD zal de modelspecifieke inferentietechnologie opnemen in zijn accelerator-roadmap naast Instinct GPU's.
  • Het eerste ontwerp ruilt enige uitvoerkwaliteit in voor snelheid, terwijl de volgende generatie zich richt op standaard indelingen met lage precisie.

AMD maakte op 17 november 2026 bekend dat het de overname van Taalas, een in Toronto gevestigde ontwikkelaar van modelgebonden inferentiechips, had afgerond. In een kwartaalrapportage van 4 november 2026 werd de toen nog niet afgeronde transactie in contanten en aandelen gewaardeerd op ongeveer $2,9 miljard.

In die schatting was een voorwaardelijke vergoeding van maximaal ongeveer $1,4 miljard opgenomen. AMD verwachtte dat de overname eind 2026 zou worden afgerond, onder voorbehoud van goedkeuring door toezichthouders en de gebruikelijke voorwaarden voor afronding. Daarmee viel de afgeronde transactie binnen de eerder bekendgemaakte tijdlijn.

De afronding volgt op de definitieve overeenkomst die AMD op 6 augustus 2026 aankondigde. Taalas, opgericht in 2023, ontwikkelt technologie die volgens AMD de inferentiegegevensstromen optimaliseert en de knelpunten op het gebied van rekenkracht en geheugen vermindert die samenhangen met architecturen voor algemeen gebruik.

Een chip die rond één model is ontworpen

Taalas zegt dat zijn platform een AI-model dat nog niet eerder is gezien binnen twee maanden kan omzetten in speciaal ontworpen silicium, waarbij opslag en berekeningen op één chip worden samengevoegd met een dichtheid op DRAM-niveau. Het ontwerp richt zich op het knelpunt dat ontstaat doordat modelgegevens tussen afzonderlijke geheugen- en rekencomponenten moeten worden verplaatst. Het resulterende systeem heeft geen geheugen met hoge bandbreedte (HBM), geavanceerde verpakking, 3D-stapeling, vloeistofkoeling of snelle I/O nodig.

De technologiedemonstrator HC1 heeft Llama 3.1 8B vast in hardware geïmplementeerd en is gebouwd met TSMC’s 6-nanometerproces. De chip heeft een matrijs van 815 vierkante millimeter en 53 miljard transistors; voor de serverconfiguratie wordt een vermogen van 2,5 kilowatt opgegeven. Taalas meldt voor het model 17.000 tokens per seconde per gebruiker, gemeten in de eigen laboratoria met invoerreeksen van 1.000 tokens en uitvoerreeksen van 1.000 tokens.

HC1 behoudt de mogelijkheid om de grootte van het contextvenster aan te passen en ondersteunt ondanks de grotendeels vastgelegde hardware fijnafstemming via adapters met lage rang. Taalas zegt dat de kwantisering van de eerste generatie parameters van 3 en 6 bits combineert en enige kwaliteitsvermindering oplevert ten opzichte van GPU-benchmarks. Het ontwerp van de tweede generatie maakt gebruik van standaard drijvendekommaformaten van 4 bits om die beperkingen aan te pakken en tegelijkertijd hoge snelheid en efficiëntie te behouden.

Waar Taalas past in AMD’s routekaart voor accelerators

AMD is van plan de technologie van Taalas in zijn routekaart voor accelerators te integreren en naast Instinct-GPU’s oplossingen op systeemniveau te ontwikkelen. Het bredere portfolio omvat EPYC-CPU’s, ROCm-software en het Helios-systeem op rackschaal. De overname breidt ook AMD’s aanwezigheid op het gebied van engineering in Canada uit.

“AI-inferentie ontwikkelt zich snel en klanten hebben behoefte aan een breed scala aan rekenoplossingen die zijn geoptimaliseerd voor hun workloads. Nu Taalas deel uitmaakt van AMD vergroten we ons vermogen om onderscheidende inferentieprestaties en -efficiëntie te leveren, terwijl we ons AI-platform van begin tot eind versterken”, zei Vamsi Boppana, senior vicepresident van AMD’s Artificial Intelligence Group.

Met de overname komen beide kanten van de ontwerpafweging van Taalas binnen AMD’s routekaart voor accelerators te liggen: de gemelde snelheids- en efficiëntiewinst van modelgebonden silicium en de inspanningen van de tweede generatie om de compromissen rond kwantisering in het eerste ontwerp aan te pakken. Bij de geplande integratie op systeemniveau zullen die gespecialiseerde ontwerpen worden gecombineerd met Instinct-GPU’s en de rest van AMD’s inferentiestack.

Theo Nash is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI‑infrastructuur, rekenkracht en de hardware‑systemen die moderne kunstmatige intelligentie aandrijven, behandelt. Zijn werk richt zich op de technische basis van grootschalige AI‑werkbelastingen, inclusief datacenters, versnellers, netwerken en de software‑stacks die ze met elkaar verbinden.

Met een analytisch en engineering‑gedreven perspectief onderzoekt Theo hoe vooruitgang in GPU's, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI‑modellen mogelijk maakt. Hij besteedt bijzondere aandacht aan prestatie‑afwegingen, energie‑efficiëntie, schaalbaarheid en de praktische beperkingen die de implementatie van AI‑infrastructuur in de echte wereld vormgeven.

Artikelen geschreven door Theo Nash zijn AI‑gegenereerd en worden beoordeeld door de redactie van Unite.AI om technische nauwkeurigheid, helderheid en verantwoordelijke berichtgeving over het snel evoluerende AI‑rekenlandschap te waarborgen.