AI芯片新赌局:一颗芯片只跑一个模型

「固化不是落后，灵活也不是先进。决定胜负的从来是那个比值：你要印多少本，和你多久改一次版。」

——《AI时代漫游指南》第 191 章·雕版与活字

8 月 6 日，AMD 宣布收购一家叫 Taalas 的多伦多芯片公司。金额没披露，预计四季度交割。

这家公司干的事，一句话能说清，但这句话第一次听会觉得是胡闹：

它把 AI 模型的权重，直接刻进硅片里。

不是存在内存里，是刻进去。

芯片造出来那一刻，模型就焊死在上面了，一个参数都改不了。

第一反应通常是：模型半年一换代，你把它焊死在芯片上？

但这门生意不但成立，还刚被 AMD 买走了。

这篇拆两件事：这门生意的钱从哪来，以及国内谁在做同一件事。

编者注：遇到"看起来明显荒谬"的商业模式，通常不是提出者疯了，是你和他假设的前提不一样。找到那个前提差异，比评判对错有意思得多。

一、先搞懂它到底省了什么

GPU 的钱花在了搬运上

跑一次大模型推理，芯片在干嘛？

大部分时间不是在算，是在搬。

模型权重存在高带宽内存（HBM）里，每算一层，就得把对应的那批权重从内存搬到计算单元。算完，搬下一批。反反复复。

这就是为什么现代 AI 芯片长成那个样子：

部件	为什么需要	代价
HBM 内存	权重要有地方放，还得搬得快	单颗 GPU 光内存就数千美元
3D 堆叠	内存要离计算单元足够近	先进封装是全行业瓶颈
液冷	搬运产生大量热	数据中心要重新设计

这三样加起来是今天 AI 算力成本的大头。而它们服务的是同一件事：搬数据。

Taalas 的思路：不搬了

做法简单粗暴——既然权重要用，那就刻死在芯片上，用的时候不用搬。

具体是把权重固化进 Mask ROM（掩膜只读存储），做出来的东西业内叫模型专用集成电路。

创始人 Ljubisa Bajic 说得很直接：这样一来，不需要 HBM、不需要 3D 堆叠、不需要液冷。

上面那张表里的三笔钱，一次性全省了。

代价也很直接：这颗芯片这辈子只能跑这一个模型。

编者注：顺便说一句，这位创始人不是新手。Ljubisa Bajic 是 Tenstorrent 的创始人兼首任 CEO，再往前在 AMD 和英伟达都干过。也就是说——他先在两家 GPU 巨头里待过，然后创了一家做通用 AI 芯片的公司，最后创了一家专门反对通用的公司。这个履历本身就是一份判断。

快到什么程度

官方数字：跑 Meta 的 Llama 3.1 8B，单用户每秒 16,960 个 token。

今年 2 月发布时的对比口径是：比英伟达 GPU 快 48 倍，比 Cerebras 快 8.5 倍。

这是公司自己的数据，不是第三方实测，看的时候心里有个数。

不过 16,960 tokens/秒是什么概念值得感受一下：一个人正常阅读速度大约每秒 5–8 个字。

这个速度是人类阅读的两千倍以上——已经不是"生成得比你读得快"，是"生成得比你翻页快三个数量级"。

二、这门生意怎么赚钱

现在回答核心问题。

它的成本结构是"雕版印刷"

把它翻译成一个所有人都懂的模型：

	通用 GPU	Taalas
类比	活字印刷	雕版印刷
前期投入	买卡就行	为这个模型专门流片，很贵
单次成本	每次都付电费和搬运成本	极低
换内容	换个模型直接跑	版废了，重刻

雕版的经济学只有一条：制版贵，印得越多越便宜。

所以 Taalas 的盈亏平衡点是一道很朴素的算术题：

一次流片的固定成本
vs
这个模型未来的总推理量 × 每次省下的钱

推理量够大，就赚；不够大，血亏。

所以它的客户只有一类

海外报道里有句话，把这门生意的约束说得特别到位：

"你最好是真的很爱那个模型。"

谁会"真的很爱"某个模型，爱到愿意为它专门开一次模？

只有两种人：大模型实验室，和推理服务商。

他们的共同特征是——手里有一个已经稳定、且跑量巨大的模型。

跑量大到，省下的每一分钱乘以调用次数之后，能盖过流片成本。

这是一门只有巨头做得起、也只有巨头用得上的生意。

中小公司既没有那么大的单模型调用量，也承受不起模型一换硅片就报废。

编者注：所以这笔收购的真实买家画像很清晰：AMD 不是买了一个能卖给所有人的产品，是买了一张能敲开少数几个超级客户大门的门票。这类客户一共也没几家，但每家的单子都大得吓人。

那个致命问题：模型换代怎么办

这是所有人第一个想到的质疑，Taalas 也确实给了答案。

换模型不用整颗重做，只需重新设计两层金属层。 周期从六个月压缩到大约两个月。

两个月是个关键数字。它把"焊死"从"永久"变成了"一个季度"——刚好卡在主流模型的迭代节奏边缘。

但要诚实：官方也承认这套方案用了激进的压缩，会影响输出质量。速度和精度之间，它选了速度。

编者注："从六个月降到两个月"这个说法，值得放在心里存疑。芯片行业所有"周期缩短"的承诺，都要等到真的量产过三五轮才算数。在那之前它是路线图，不是产品。

三、AMD 为什么买它

把这笔交易放回 AMD 最近的动作序列里看，逻辑就很清楚了。

7 月 22 日 —— AMD 宣布向 Anthropic 投资最多 50 亿美元股权，Anthropic 承诺采购数百亿美元的 MI450 Helios 系统，规模 2 吉瓦，2027 年上半年开始出货。 7 月 23 日 —— AMD 与 Cerebras 达成技术合作：AMD 的 Helios 负责处理提示词和长上下文，Cerebras 负责生成 token，2026 下半年通过 Cerebras Cloud 上线。 8 月 6 日 —— 收购 Taalas。

（顺带纠正一个流传的说法：AMD 和 Cerebras 是合作，不是收购。 这两件事经常被混着说。）

三步连起来，是一套完整的推理产品线：

层次	方案	适合
通用	Instinct GPU + EPYC	什么都能跑
半专用	与 Cerebras 分工	超低延迟场景
全固化	Taalas	单一模型、超大跑量

AMD 在攒的不是一颗更强的芯片，是一个覆盖不同"印量"的货架。

这个方向选得很准：训练市场英伟达的护城河深不见底，但推理市场刚刚开始，而且规则不一样——推理拼的是每一块钱能买多少 token，不是绝对性能。

这也解释了同期的另一件事：2025 年 12 月 24 日，英伟达花 200 亿美元拿下 Groq 的推理技术授权和核心团队。

连英伟达自己都在补推理，说明这块的规则确实变了。

编者注：一个行业开始密集并购的时候，通常意味着技术路线已经收敛、剩下的是卡位。推理芯片这波并购潮的潜台词是：大家都同意推理会很大，但没人确定该用哪种架构，所以先把各条路线都买一条在手里。

四、它不是唯一一条固化路线

"把模型刻进硅"这件事，有不同的激进程度：

方案	固化到什么程度	灵活性
通用 GPU	什么都不固化	最高
Etched Sohu	固化 Transformer 架构	任何 Transformer 都能跑
Taalas	固化具体模型的权重	只跑那一个模型

Etched 的思路是赌"Transformer 这个架构不会变"，比 Taalas 保守一档。

它公布的数据是：8 颗 Sohu 组成的服务器，在 Llama-70B 推理上可替代 160 张 H100。

这两家赌的是同一个方向的不同刻度：一个赌架构稳定，一个赌具体模型稳定。

哪个对，取决于未来三年模型换代有多快。

五、国内对标：路径不同，方向一致

先说清楚：国内没有和 Taalas 完全对位的公司——把特定模型权重刻进硅片这条路，目前是海外独有的激进玩法。

但"减少数据搬运"这个核心命题，国内是从另一条路上攻的：存算一体。

存算一体：让计算发生在存储里

思路同源、手法不同：既然搬数据最贵，那就别搬——直接在存储单元里做计算。

Taalas 是"把权重刻死在计算旁边"，存算一体是"让存储自己会算"。

目标一致：干掉冯·诺依曼架构里那条来回搬运的总线。

知存科技 —— 商业化跑得最靠前。WTM2101 芯片量产超过 1000 万颗，已经装进华为和小米的可穿戴设备。2023–2025 累计流片十余次、服务 30 多家客户，计划到 2027 年把大模型芯片的营收占比提到 80%。 亿铸科技 —— 2023 年 7 月完成存算一体 AI 芯片原型流片，计划 2026 年推出国产 AI 加速卡。

产学研 —— ISSCC 2026 上，清华大学、华为、字节跳动的联合团队发表 28nm 混合存算一体芯片论文，在推荐系统场景把 QPS 提升 66 倍、能效比提升 181 倍。

编者注：知存那 1000 万颗的量产数字，比任何 PPT 都有说服力。它走的是"先在耳机手表这种小场景把良率和成本跑通，再往大模型爬"——和硅谷"上来就对着最大的靶子开枪"是两种完全不同的活法。

顺带看一眼国产算力的基本盘

2026 年一季度的成绩单（上市公司财报数字）：

公司	2026 Q1 营收
海光信息	40.34 亿元
寒武纪	28.85 亿元
摩尔线程	首次扭亏为盈

国产 AI 芯片已经过了"能不能造出来"的阶段，进入"能不能卖得动"的阶段。

而推理芯片这波，正好是国内最有机会的一段——因为推理不像训练那样极度依赖单卡绝对性能和成熟的软件生态，它更看重能效比和总拥有成本。

六、给不买芯片的人：三条能用的

第一，"专用 vs 通用"不是先进落后之争，是一道除法题。

判断标准只有一个：印量 ÷ 改版频率。

量大且很少改 → 固化划算。量小或者常改 → 保持灵活。

这条对你选工具、定流程、要不要把某件事自动化，完全通用。

别人的最优解不是你的最优解，因为你们的印量不一样。 第二，灵活性是有月租的，只是这笔钱从不单独开票。

GPU 贵在哪？贵在它随时准备跑任何模型——为了这份"随时可以"，它得配 HBM、配液冷、配先进封装。

你的工作里也有这种月租：为了"以后可能要改"而保留的各种余地、可配置项、待定方案。

它们每一天都在收费，只是账单不写在明面上。

第三，把稳定的部分焊死，把易变的部分留活口。

这是这篇里最值钱的一条。

真正的高手不做全固化或全灵活的选择题，而是找到那条分界线。

分不清哪部分稳定、哪部分易变的人，只能把所有东西都做成灵活的——那看起来像深思熟虑，其实是不敢下判断。

写在最后

这件事一千年前有人算过。

《梦溪笔谈》里，沈括记毕昇的活字印刷，写下了一句判断标准：

若止印三二本，未为简易；若印数十百千本，则极为神速。

只印两三本，不见得省事；印成百上千本，就快得惊人。

沈括没有说活字更先进，也没有说雕版更可靠。

他做的事朴素得多——给出一个可以算的标准，然后把选择权交还给具体的场景。

顺便说个容易被忽略的历史事实：活字发明之后，中国的主流印刷方式依然是雕版，一直到近代。

不是古人守旧，是因为汉字字数太多、活字排版成本太高，而印得最多的《论语》《史记》几百年不改一个字——

在"内容永不改变、印量趋近无穷"的场景里，雕版就是最优解。

Taalas 赌的正是这个：某些模型会稳定到值得为它专门刻一块版。

它赌得对不对，不取决于芯片做得多好，取决于未来三年模型换代有多快。

这不是技术问题，是时代节奏问题。

Don't Panic. 版可以重刻，账不能算错。

资料来源：The Register、The Next Web、CNBC、Axios、BetaKit、Silicon Republic、Spheron、新华网、澎湃/36氪《谁在死磕，存算一体？》、搜狐财经与新浪财经国产 AI 芯片一季报汇总

如果这篇对你有用，转发给关心芯片和 AI 成本的朋友——比收藏更有价值。

关注「AI时代漫游指南」，我们继续拆解 AI 时代那些看起来遥远、其实和你有关的事。

作者：漫游君