Related articles
2026 年 2 月 20 日，多伦多 AI 芯片初创 Taalas 宣布完成 1.69 亿美元新一轮融资，投后累计融资约 2.19 亿美元。本轮由 Quiet Capital、Fidelity 及半导体资深投资人 Pierre Lamond 联合注资，机构用真金白银投票，押注一条完全不同于英伟达通用 GPU 的 AI 算力路线。
同步亮相的，是其首款功能性演示芯片 HC1。该芯片采用台积电 6nm 工艺，并非通用加速器，而是专为开源大模型 Llama 3.1 8B 深度优化的专用处理器。Taalas CEO、前 AMD 与英伟达架构师 Bajic 提出核心思路：将 AI 模型直接 「固化」 到晶体管硬件中，而非依靠通用芯片动态加载。
按官方数据，HC1 可实现每秒 17,000 token 生成，宣称速度比英伟达 H200 快 73 倍，功耗仅为其 1/10。这一夸张的能效比，并非来自玄学突破，而是源于极致的架构取舍：传统 GPU 为通用性预留大量运算单元与调度逻辑，带来巨大冗余；Taalas 则采用 mask ROM recall fabric + SRAM 架构，把模型权重直接写入硬件，绕开了 HBM 高带宽内存这一核心瓶颈，既降低成本，也大幅压低功耗。
更关键的是效率：专用芯片的最终定制周期可压缩至两个月左右，远快于传统大厂半年级别的交付周期。在开源模型快速迭代、推理成本持续承压的当下，这一优势极具杀伤力。
Taalas 走的，是 MSIC（Model-Specific Integrated Circuit，模型专用集成电路） 路线。它的出现，恰好踩在 AI 产业的关键转折点：训练阶段仍由通用 GPU 主导，但推理规模化部署已成为下一战场，企业比拼的不再只是峰值性能，而是每 token 成本、能效、交付速度。
在美国强调算力主权、数据中心能耗压力加剧的背景下，Taalas 的逻辑极具说服力：若能以 10% 功耗运行同等规模模型，企业的 AI 投资回报曲线将被彻底改写。行业观点认为，若 Taalas 能将专用化方案成功扩展至更大模型，AI 算力市场可能从 「通用主导」 走向 「通用与专用并存」 的分裂格局。
但极致效率的另一面，是灵活性的彻底牺牲。英伟达 B200 可以适配下月出现的任何新架构、新模型，而 Taalas 的芯片一经流片，就基本锁定在特定模型上。这意味着，它必须在 Llama 等开源架构的长期主导地位上，下一场重注：一旦行业转向全新架构，现有专用硬件可能快速贬值。
为对冲风险，Taalas 已在规划下一代 HC2 处理器，目标支持 200 亿参数模型，并计划在 2026 年底前逐步覆盖 GPT-5 级别系统。
长期来看，Taalas 的真正战场不在训练，而在推理。英伟达在训练环节的通用性壁垒短期内难以撼动，但推理市场正在走向成本与能效优先。如果 Taalas 能证明 MSIC 路线具备商业可行性与跨模型扩展性，它冲击的将不只是英伟达的利润率，而是整个 AI 芯片的架构共识。
但前提是：它赌对了未来主流模型的方向。（本文首发钛媒体 App , 作者｜硅谷 Tech news，编辑｜秦聪慧）
