GPU要凉？前英伟达AMD大神将AI刻在芯片上！17000 tokens/秒屠榜

新智元报道

编辑：定慧

【新智元导读】在这个所有科技巨头都在为英伟达的高端GPU抢破头的时代，一家成立不到三年的多伦多小厂Taalas，突然朝着整个行业扔出了一颗反常识的「深水炸弹」：他们抛弃了液冷，抛弃了昂贵的HBM显存，甚至抛弃了「通用计算」，选择了一种最粗暴、最狂野的物理美学：直接把大模型焊死在芯片里！

今天是大年初六，年还没过完。但有一个新闻却淹没在各种消息中。

这可能是今年最重要的AI新闻，但现在依然还没什么人聊！

这两天，一家成立不到三年的多伦多芯片公司Taalas扔下了一颗核弹：

他们绕开了所有热门概念，直接把AI大模型，物理焊死在芯片里！

这家公司开发的HC1芯片，运行Llama 3.1 8B的速度达到了极度恐怖的17,000tokens/秒。

作为对比，目前业界最快Cerebras跑同等模型，速度也不过两千。

Taalas HC1硬生生将速度拔高了将近10倍！

而和英伟达最先进B200，提高了近50倍！

他们还上线了一个体验网站：chatjimmy.ai

这个AI的速度有多离谱呢？可以看看下面的速度。

这个AI不是在回复，而是直接未卜先知把答案砸在你的脸上。

这还不算完，除了「光速」输出Token以外。

Taalas如何解决散热和传输速度问题？

他们交出的答卷是：抛弃液冷！抛弃HBM显存！

因为没有复杂的存储层级，HC1的成本只有传统方案的1/20，功耗更是直接缩减到1/10，十张卡加起来仅仅需要2.5千瓦的空气冷却。

官方博客：https://taalas.com/the-path-to-ubiquitous-ai/

在这块主打「复古暴力」的芯片里，它出厂时的命运就被永远锁死——它的晶体管只为Llama 3.1 8B的权重而生，这辈子只能跑这一个模型。

一时间，X上彻底炸锅了！

「等待LLM思考」的时代宣告终结。

有测试者满脸震撼：

「你敲下回车的瞬间，答案就像预谋已久一样扑在屏幕上，那根本不是秒回，那是啪地一下砸你脸上！」

有网友发出了绝望的哀叹：「人类该怎么跟得上这种速度？」

另一位网友的回答则更加冷酷：「尊敬的先生，我们不可能跟得上。」

但反方意见同样明确。

首先就是，虽然速度达到「光速」，但是小模型带来的幻觉问题无法避免。

甚至无法正确计算简单的加减乘除。

而且按照现在的模型的迭代速度。

在一个物理实体上固化一个即将被淘汰的模型，真的有用么？

也有乐观者认为，这可能确实是未来的一种方向，因为这种Token的输出速度，并不是给人类准备的。

而是让智能体之间相互对话使用的。

所以，Taalas这条所谓的物理实体AI之路是否真的能走通？

暴力美学vs极致封印：AI的两条路线之争

要看懂这场「豪赌」的意义，我们必须回顾一下芯片的发展史。

过去三十年，无论是CPU还是GPU，甚至是后来的各种AI加速器，整个硅谷都在疯狂追求同一件事：「造一个通用的计算平台」。

我们在造一个巨大的舞台，然后让不同的软件在上面跳舞。

这就形成了一个绝对的物理硬边界：「内存墙」。

内存墙通常是指处理器速度和内存带宽之间不断扩大的差距

当模型膨胀到几百亿、上千亿参数，你为了算一次乘法，每次都要把海量数据从显存搬到计算单元。

这个「搬砖」过程消耗的能量和时间，早就远远超过了计算本身。

Taalas团队的思路简直是「反向升级」：

既然这个舞台每天都只演《罗密欧与朱丽叶》，我们为什么要费劲巴拉地每天搬布景？直接把布景用水泥砌死在台上不就行了！

在这块HC1芯片里，模型的每一个权重，都对应着芯片上特定的晶体管。

矩阵乘法根本不需要软件去调度，而是通过物理电路的电流直接完成！

你可以把传统的GPU理解为「交响乐团现场演奏」，每次运行都要调配乐手、看曲谱、听指挥；

那么Taalas的做法就是直接刻了一张「黑胶唱片」。

你把Llama模型录死在磁带上，插上电就能播，而且是以一种摧枯拉朽的倍速在狂飙。

但，一切命运的馈赠，都在暗中早就标好了价格！

这也意味着，只要这块芯片一出厂，它的命运就已经被彻底锁死。

它无法微调，无法更换模型，更无法升级。

如果明年Meta发布了Llama 4，或者你发现这个8B模型在特定业务里太卡智商，这块满载尖端科技的硅片，瞬间就会沦为精美的电子垃圾。

在这个所有巨头都在拼命炫耀自家新模型多聪明的时代，主动把自己锁死在一个固定的历史版本上，这到底是逆天改命，还是饮鸩止渴？

路线大分裂与人脑的奇妙隐喻

事实上，这种极尽专用的思路，背后牵扯出的是一场硅谷顶级大佬的路线大决裂。

Taalas的CEO Ljubisa Bajic曾在AMD、英伟达担任骨干架构师，也是明星AI芯片公司Tenstorrent的创始人。

2022年，「芯片之神」Jim Keller（「硅仙人」）加入Tenstorrent，Jim Keller 不仅为该公司提供了第一笔资金，后来更直接加入公司担任CTO，并于2023年与Ljubisa Bajic互换角色出任CEO。

Ljubisa在2023年4月宣布从Tenstorrent的日常管理岗位「退休」并转任顾问，其实是为了追求一个更激进、更极端的计算梦想。

他随后创办了新公司Taalas。

Jim Keller的毕生信仰，是做一个通用的、可编程的、软件友好的完美平台。

扩展阅读：英伟达亲手终结CUDA「护城河」？传奇芯片架构师引发争议

而Ljubisa则决绝地走向了另一个极端——

绝对的极繁固化，换取绝对的极简自由。

对于这种把AI模型做成ASIC（专用集成电路）的做法，网上的评价两极分化。

有人嘲讽「流片贵得吓人，模型一更新旧卡就炸死路一条」，但也有极其敏锐的观察者，将它与人类大脑的运行机制，产生了深度的共振。

X上一条高赞评论直指灵魂：

「哈佛和谷歌耗尽资源，花了十年时间，才勉强绘制出1立方毫米、比米粒还小的人脑图谱。这背后的数学复杂度和能效比，足以让地球上所有的AI实验室集体汗颜。」

人类大脑那种不可思议的精密和低功耗，本质上不就是一种长在肉体上的「硬件固化」吗？

且人脑的运算虽然精妙，但光论「生成代码」和「吐词」的速度，可远没有这类新硬件这般快如闪电。

另一位网友的一席话更让人破防：

「其实大部分人类，一辈子也就说一种语言、做着一份固定的职业。

这和大脑里刻死了一个模型有什么区别？」

一语惊醒梦中人。

我们并非在所有的场景里，都需要一个通晓天文地理、能写诗能解微分方程的「全知全能神」。

在海量的垂直场景里——比如一个需要毫秒级响应的语音助手，流水线上的自动化数据标注，甚至是你家里每天只懂避障的扫地机。

它们根本不在乎你是GPT-6还是Claude 5，它们需要的仅仅是像一颗钉子一样，用光速和最低廉的成本，把手头那件事干到极致。

这时候，一个极其便宜、永远不需要换代的「电子牛马」芯片，就足够了。

也许这就是AI走向物理世界的终极两极分化：

一部分化作云端庞大而昂贵的通用神灵；

而另一部分，则被死死刻进硅晶体里，化作数以百亿计的廉价、极速的工匠，渗透进人类生活的每一个毛孔。

Taalas这步险棋，可能成为技术史上一次昂贵而有趣的注脚，但也极有可能，正在砸开一扇用「零延迟」统治未来的大门。

无论怎样，17,000 tokens/秒的凶兽已经出笼。

在绝对的速度和暴力成本面前，传统的AI硬件法则，已经出现了一道刺眼的裂痕。

你认为人类的科技树，应该点在哪里？

参考资料：

https://x.com/wildmindai/status/2024810128487096357

https://x.com/ai_for_success/status/2025239027490971681