超微(AMD)收購塔拉斯 強化AI推理晶片布局迎戰輝達(NVDA)

超微(AMD)收購加拿大AI推理晶片新創塔拉斯(Taalas)，要在輝達(NVDA)主導的AI基礎建設賽局中，補強「推理」這塊拼圖。這筆交易鎖定的，是模型訓練完成後、實際上線服務時的處理速度與成本。

超微於6日(當地時間)宣布，已就收購塔拉斯簽署最終協議。雙方未公開收購金額，交易仍須完成一般成交條件並取得監管核准。

塔拉斯是2023年成立的新創公司，總部位於加拿大多倫多。超微表示，塔拉斯的技術能優化AI推理的資料流動路徑，藉此降低通用架構常見的運算與記憶體「瓶頸」。

所謂推理，指的是AI模型完成訓練後，針對使用者提問即時生成答案或預測結果的階段。隨著生成式AI服務逐漸從實驗室模型競賽，走向真正商用，延遲時間、能源效率與每位使用者的處理成本，正成為業界關注的重點指標。

超微表示，將把塔拉斯的技術與「Helios」機架級解決方案、「Instinct」GPU、「EPYC」CPU以及ROCm軟體整合，藉此強化加速器產品線與系統級解決方案。這是超微繼收購ZT Systems、MK1之後，再添推理晶片版圖，延續其擴大AI基礎建設布局的腳步。

根據塔拉斯官網產品頁面，其HC1技術展示產品在Llama 3.1 8B模型上，單一使用者每秒可處理1萬7000個「token」。不過這項數據為塔拉斯自行測得，同一份資料同時列出了輝達H200的對照數值，供外界參照。

這項技術的優勢在於「針對特定模型量身打造」。塔拉斯官方部落格說明，HC1是把Llama 3.1 8B「寫死」進硬體的架構。不過，塔拉斯也提到晶片支援調整「上下文視窗」與LoRA微調功能，因此若把塔拉斯晶片直接定義成只能用於單一模型，其實比官方說法更絕對，並不完全準確。

LoRA是一種不需重新訓練整個AI模型、只調整部分參數就能讓模型適應特定任務的微調方法。模型專用晶片若能部分支援這項功能，等於拓寬了應用彈性，但整體而言，這類晶片處理多元模型與工作負載的廣度，仍與通用GPU有落差。

資金動向也值得留意。路透社(Reuters)報導，塔拉斯今年2月完成1.69億美元(約新台幣53億元)募資，累計募資金額達2.19億美元(約新台幣69億元)。路透社另指出，收購消息公布後，超微股價一度上漲1.5%。

「評論」值得留意的是，推理晶片的競爭從來不只是效能比拼。雲端業者與AI服務公司在選擇方案時，除了晶片單價，還得同時考量機架部署方式、電力與散熱需求、軟體相容性，以及長期維運成本，這些因素往往比帳面規格更關鍵。

更深一層的問題在於「金融估值」。AI基礎建設得把晶片、伺服器、資料中心與電力串接起來，需要龐大資金支撐。芝加哥布斯商學院評論(Chicago Booth Review)分析指出，AI基礎建設常透過專案融資、設備擔保貸款、租賃與資產證券化等方式取得資金，市場上甚至出現以GPU作為擔保品的貸款。

信評機構KBRA在7月27日的研究報告中，將現金流穩定性、可否轉租、殘值高低與再融資風險，列為評估AI運算基礎建設信用品質的關鍵變數。若把這套標準套用在塔拉斯這類「模型專用晶片」上，優缺點就會同時浮現。

這類晶片在特定工作負載下能壓低成本、提升速度，但相較通用GPU，轉售與重新部署的難度可能更高，這也可能讓擔保品估值與租賃架構承受更大壓力。

輝達(NVDA)於11日(當地時間)宣布，將攜手阿波羅、貝萊德、黑石、布魯克菲爾德、高盛與KKR，打造一個規模上看5000億美元(約新台幣15.75兆元)的AI基礎建設資本平台。輝達在這場發表會上，也把「可重新部署性」與「殘值」列為AI運算資產的核心特性。

超微收購塔拉斯，表面上是一場以低成本推理晶片為賣點的技術競賽，但同時也牽動著另一個問題：AI硬體資產未來在金融市場上，究竟該被如何估值。截至目前，超微尚未公布交易金額，也未說明具體的產品導入時程。