人形機(jī)器人有了“真大腦”? Taalas把大模型直接寫進(jìn)芯片里

近日，加拿大初創(chuàng)公司Taalas 推出了一款 AI 推理芯片 HC1，這家成立尚不足三年的企業(yè)，憑借將 8B 輕量化大模型直接 “刻” 在芯片上的創(chuàng)新設(shè)計(jì)，讓 HC1 的運(yùn)行速度在行業(yè)中脫穎而出，在輸出速度和極致的成本和功耗控制上直接甩開了英偉達(dá)的GPU產(chǎn)品。

很多人對Taalas 或許并不熟悉，這家公司成立于 2023 年，創(chuàng)始人 Ljubisa Bajic 同時(shí)也是加拿大知名AI芯片公司 Tenstorrent 的創(chuàng)始人，他曾先后在英偉達(dá)、AMD 擔(dān)任高級架構(gòu)師，一手打造過 CPU-GPU 混合芯片。

而Taalas的核心團(tuán)隊(duì)更是堪稱芯片圈的 “夢之隊(duì)”，25 名員工大多來自 AMD、蘋果、谷歌等科技大廠，擁有從芯片設(shè)計(jì)到系統(tǒng)落地的全流程實(shí)戰(zhàn)經(jīng)驗(yàn)。背靠這樣的技術(shù)團(tuán)隊(duì)，Taalas 僅投入 3000 萬美元研發(fā)成本，耗時(shí) 60 天就完成了 HC1 的生產(chǎn)落地，推出了這款足以挑戰(zhàn)行業(yè)現(xiàn)有規(guī)則的產(chǎn)品。

截至目前，Taalas 累計(jì)融資已超 2 億美元，賬上仍有 1.7 億美元現(xiàn)金儲備，為后續(xù)發(fā)展奠定了充足的資金基礎(chǔ)

最快AI芯片？

HC1 最令人驚嘆的，莫過于其極致的推理速度。

這款采用臺積電6nm 工藝的芯片，在單用戶場景下推理速度高達(dá) 17000 token/秒。作為對比，英偉達(dá) H200 芯片推理速度為 230 token/秒，其最新 Blackwell 架構(gòu)的 B200 也不過 2000 token/秒。有測試者在 Taalas 的體驗(yàn)網(wǎng)站 chatjimmy.ai 實(shí)際操作后表示，該模型的回復(fù)速度極快，基本在敲下回車的瞬間，答案就能出現(xiàn)在對話框中。

HC1 能實(shí)現(xiàn)如此快的推理反應(yīng)，核心源于 Taalas 獨(dú)樹一幟的技術(shù)思路。

研發(fā)團(tuán)隊(duì)拋棄了傳統(tǒng) GPU “計(jì)算與存儲分離” 的經(jīng)典架構(gòu)，采用了存算一體式的設(shè)計(jì)方案，通過 Mask ROM 工藝將 Llama 3.1 8B 的模型權(quán)重直接編碼在芯片的金屬互連層中，讓模型權(quán)重與計(jì)算邏輯共存于同一塊硅片。這種設(shè)計(jì)徹底消除了數(shù)據(jù)搬運(yùn)過程中的延遲與能耗損耗，芯片也無需搭配外部 DRAM 或 HBM，僅保留一小塊 SRAM 以提供最基礎(chǔ)的靈活性。

傳統(tǒng)GPU 進(jìn)行運(yùn)算時(shí)，需要從 HBM 顯存中反復(fù)搬運(yùn)數(shù)據(jù)，這一過程會(huì)消耗大量能耗和時(shí)間，也是行業(yè)普遍面臨的 “內(nèi)存墻” 問題；而 HC1 無需數(shù)據(jù)搬運(yùn)，只需讓數(shù)據(jù)流過電路就能完成推理，運(yùn)算效率自然實(shí)現(xiàn)了質(zhì)的飛躍。

為了實(shí)現(xiàn)芯片的快速定制，Taalas 還借鑒了 2000 年代結(jié)構(gòu)化 ASIC 的設(shè)計(jì)思路，將芯片定制周期從原本的六個(gè)月壓縮至兩個(gè)月。

在針對新模型進(jìn)行芯片定制時(shí)，僅需更換兩層掩模，從拿到新模型到生成描述文件僅需一周的工程工作量，這種高效的定制能力，是Taalas 未來更新節(jié)奏的核心支撐。

除了速度優(yōu)勢，HC1 的成本和功耗表現(xiàn)同樣亮眼：單片芯片的制造成本僅 300-400 美元，量產(chǎn)后的零售價(jià)預(yù)估在 600-700 美元，采用該芯片的推理綜合成本僅為傳統(tǒng) GPU 方案的 1/20；芯片功耗僅 2.5 千瓦，十顆芯片組成的服務(wù)器僅需普通風(fēng)冷就能實(shí)現(xiàn)散熱，無需搭建復(fù)雜的液冷系統(tǒng)，相較 GPU 方案功耗降低了 90%，而未來的量產(chǎn)款芯片，速度還將進(jìn)一步提升。

發(fā)布即落后？

為了追求極致效率放棄了硬件通用性，HC1的設(shè)計(jì)也帶來了致命缺陷：一顆 HC1 芯片只能運(yùn)行一個(gè)特定模型，若要更換模型，就必須重新設(shè)計(jì)并制造芯片。在 AI 模型以月為單位快速迭代的當(dāng)下，這種 “專芯專模” 的模式面臨著極高的技術(shù)過時(shí)風(fēng)險(xiǎn)。

值得注意的是，HC1 正式公布時(shí)，Llama 3.1 模型已經(jīng)發(fā)布了近兩年，而同期 OpenAI、Anthropic 等頭部企業(yè)的大模型已迭代至 GPT-5.2、Claude 4.6 版本。盡管 Taalas 承諾從拿到新模型到完成芯片定制僅需兩個(gè)月周期，但市場仍對其提出質(zhì)疑，為何不選擇更前沿的 DeepSeek R1 模型進(jìn)行產(chǎn)品演示。

除了難以跟上大模型的更新速度，HC1 自身還存在諸多局限性。為了將 8B 參數(shù)的模型完整塞進(jìn)單顆芯片，HC1 采用了自定義的 3-bit 基礎(chǔ)數(shù)據(jù)類型，并結(jié)合 3-bit 和 6-bit 的混合精度量化技術(shù)。

Taalas 官方也承認(rèn)，這種技術(shù)方案會(huì)導(dǎo)致模型在質(zhì)量基準(zhǔn)測試中出現(xiàn)性能退化，在復(fù)雜數(shù)學(xué)運(yùn)算、專業(yè)論文解讀等需要深層邏輯推理的場景中，HC1 的表現(xiàn)明顯遜于英偉達(dá) GPU。

盡管公司已計(jì)劃在第二代產(chǎn)品 HC2 中，改用標(biāo)準(zhǔn) 4-bit 浮點(diǎn)格式來改善這一問題，但第一代 HC1 在推理正確率上的短板已是既定事實(shí)。

不少用戶在測試時(shí)發(fā)現(xiàn)，這款芯片不僅連簡單的運(yùn)算都會(huì)出現(xiàn)錯(cuò)誤，面對一些復(fù)雜問題時(shí)，更是會(huì)出現(xiàn)胡編亂造的情況。

此外，受硅片面積的限制，單顆HC1 能容納的模型參數(shù)規(guī)模有限，面對萬億參數(shù)級的前沿大模型，必須采用多芯片協(xié)同的方案才能運(yùn)行。

以DeepSeek R1 671B 模型為例，想要實(shí)現(xiàn)其推理運(yùn)算，需要 30 顆 HC1 協(xié)同工作，這不僅會(huì)帶來一系列互聯(lián)上的設(shè)計(jì)難題，流片的成本和時(shí)間也會(huì)同時(shí)增加。對于追求技術(shù)快速迭代的互聯(lián)網(wǎng)企業(yè)和 AI 創(chuàng)業(yè)公司而言，這樣的效率反倒不如多加一塊 GPU來得靠譜。

最后就是Taalas的商業(yè)模式的不確定性，目前 Taalas 探索了三種商業(yè)落地路徑，分別是“自建 API”、“直接出售芯片”、“與模型開發(fā)者合作定制芯片”，但這三種路徑均依賴于客戶對特定模型的需求。

而在當(dāng)前快速變化的AI 市場中，即便是科技大廠，也不敢輕易做出這樣的長期承諾。歷史上比特幣挖礦 ASIC 的軍備競賽早已證明，在技術(shù)快速迭代的領(lǐng)域，專用硬件極易陷入 “發(fā)布即過時(shí)” 的發(fā)展困境。

結(jié)語

從行業(yè)發(fā)展格局來看，HC1 的出現(xiàn)并非為了取代 GPU，而是填補(bǔ)了通用算力與極致效率之間的市場空白，也為大模型的落地提供一個(gè)全新思路。

Taalas 產(chǎn)品副總裁 Paresh Kharya 曾明確表示：“為模型定制的最優(yōu)硅片不會(huì)取代滿是 GPU 的大型數(shù)據(jù)中心，但它會(huì)適配特定的應(yīng)用場景。” 在智能客服、人形機(jī)器人等對響應(yīng)延遲敏感、模型版本相對穩(wěn)定的場景中，HC1 的性能與成本優(yōu)勢就會(huì)體現(xiàn)出來。

目前，Taalas 已制定了明確的產(chǎn)品規(guī)劃，計(jì)劃在 2026 年推出支持 70B 大模型的芯片，同時(shí)還在探索通過 LoRA 微調(diào)技術(shù)優(yōu)化固化在芯片中的模型。

若能在后續(xù)發(fā)展中突破現(xiàn)有架構(gòu)的限制，Taalas 或許真的能推動(dòng)行業(yè)進(jìn)入新的發(fā)展階段。

記得星標(biāo)微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你