融资1.7亿刀！这家加拿大初创企业要用“印模型”的芯片硬刚英伟达

麻薯滑芝士

各位盯着AI前沿、对硬科技创业和英伟达霸主地位特别好奇的网友们，赶紧来听个新鲜热乎的！就在这周四（2月19日），AI芯片圈子里又冒出一个新的“挑战者”，而且口气不小，直接说要造出比现在通用方法更快、更便宜的芯片来跑AI。这家公司叫Taalas，名字你可能没听过，但它刚刚搞到的钱，数目可一点也不小——1.69亿美元！

这消息是路透社爆出来的，源头就是这家公司自己发的公告。他们说在这周四（也就是2月19日当天）正式宣布完成了这轮融资，现在手里总共握着2.19亿美元的资金，投资人名单里包括Quiet Capital、富达投资（Fidelity）还有芯片业的老牌风险投资家皮埃尔·拉蒙德（Pierre Lamond）。看得出来，资本市场的真金白银已经用脚投票，押注这哥们儿不是来闹着玩的。

Taalas这时候跳出来，时机选得也挺有意思。就在几个星期前，芯片圈刚发生一件大事：行业老大英伟达（Nvidia）花了200亿美元的天价，去授权另一家初创公司Groq的知识产权。这一下子就把大家的眼光，又重新拉回到了那些专注于“AI推理”特定环节的初创公司和技术路线上。

啥是“AI推理”呢？简单说，就是你问ChatGPT一个问题，它吭哧吭哧给你生成答案的那个过程。现在绝大部分AI应用，不管是聊天机器人还是图像生成，最后都要落到这个“推理”环节。而市面上主流的做法，都是用英伟达的GPU这种通用计算芯片来跑，虽然啥都能干，但可能不是最高效、最省钱的方案。

Taalas的路子就野多了。他们不打算做另一个“小英伟达”，而是玩起了“超级定制化”。他们的核心黑科技，是能把AI模型的一部分，直接“印刷”到硅片芯片上。你可以想象一下，这不是造一个万能的瑞士军刀，而是为每一个特定的AI模型，量身打造一件专用的、极其合身的“硅片盔甲”。

具体是怎么“印”的呢？根据Taalas的CEO柳比沙·巴伊奇（Ljubisa Bajic）接受路透社采访时的说法，他们的芯片大概有100层结构。他们会先让代工厂（用的是台积电TSMC）把芯片做到接近完成的状态，最后只在两层金属层上进行定制化操作。这就好比盖一栋楼，主体结构和管道都预先铺好了，最后根据住户（AI模型）的具体需求，快速改装最后两层的内饰和电路。巴伊奇说，台积电为他们定制一个针对特定模型的芯片，大概需要两个月的制造时间。这个速度，相比从头设计制造一个全新的通用AI处理器（比如英伟达的Blackwell芯片，制造周期据说要六个月左右），那可快了不少。

光定制化还不够快，还得配上“快腿”。Taalas的芯片设计里，塞进了大量的静态随机存取存储器（SRAM）。这种内存就在芯片内部，速度快得飞起，但缺点就是贵、而且面积大。这种“用昂贵但极快的SRAM当主内存”的思路，跟之前提到的Groq，以及另一家明星初创公司Cerebras（这家公司今年1月刚和OpenAI签了云计算协议）很像。大家不约而同都这么干，说明在追求极致的推理速度时，这很可能是一条被验证有效的技术路径。

CEO巴伊奇很直白地解释了他们的优势：“这种硬连接的设计，部分原因正是我们速度的来源。” 因为模型的一部分电路被直接固化在硅片上了，指令执行路径大大缩短，不用像通用芯片那样绕来绕去，自然就跑得更快、能耗也更低。

那么，他们现在做到什么程度了呢？根据公司的说法，他们现在已经能够制造出可以运行一些不那么复杂模型的芯片了。而更野心勃勃的计划是，要在今年年底之前，造出一款能够部署像GPT-5.2这种尖端前沿大模型的处理器。这个目标要是真能实现，那可就真是扔向AI算力市场的一颗重磅炸弹了。

当然，这条路也布满了荆棘。定制化芯片虽然效率高，但灵活性就差。你今天为Llama 3.1定制的芯片，明年Llama 4.0出来了，可能就得重做。这就像你为参加100米短跑打造了一双完美的钉鞋，结果突然通知你去跑马拉松，鞋就不对劲了。此外，如何构建自己的软件生态，让开发者愿意为你的专用芯片重新优化模型，这也是所有挑战英伟达的初创公司必须面对的“高山”。

所以，Taalas这1.69亿美元融资的故事，背后远不止是一家公司那么简单。它更像是当前AI算力竞赛进入“深水区”的一个缩影：当通用芯片的 scaling law（缩放定律）越来越难，成本越来越高，会不会有越来越多的玩家，开始转而追求这种“为特定任务量身定做”的极端效率之路？这条路能走多远，能不能真的撼动英伟达用CUDA生态筑起的“护城河”？今年年底，等他们号称能跑GPT-5.2的芯片出来，或许我们就能看到更清晰的答案了。到时候，是成为又一个挑战巨人成功的“屠龙勇士”，还是仅仅在AI芯片漫长的演化史上留下一个有趣的注脚，咱们拭目以待。

xuguangqi08

游客请登录后查看回复内容