AMD 完成收購專用推論晶片先驅 Taalas!同步推出預測性記憶體軟體方案,助資料中心擺脫昂貴 DRAM 依賴
AMD 正式完成對專用 AI 推論晶片先驅 Taalas 的收購案,並同步發表針對通路夥伴的預測性記憶體付費軟體方案,幫助資料中心降低對高價伺服器 DRAM 記憶體的硬體依賴。
談到 AMD,很多人以為 AI 晶片戰只要比誰的電晶體塞得更多、算力數字更大就贏了,但 2026 年底讓各大資料中心架構師最頭痛的其實不是算得不夠快,而是「把訓練完成的模型權重塞進晶片旁邊的記憶體實在太貴、也太慢了」。
2026 年 11 月中旬,處理器與繪圖晶片大廠 AMD 接連端出兩項直擊推論成本核心的戰略動作。
首先,AMD 正式宣布完成對專用 AI 推論晶片先驅新創「Taalas」的收購案,把這家以極端顛覆性推論架構聞名的團隊與技術專利全數納入旗下。
緊接著在通路與企業基礎設施端,AMD 也同步向合作夥伴揭露了全新的「預測性記憶體」(Predictive Memory)付費軟體解決方案,目標是幫助資料中心在不犧牲效能的前提下,大幅降低對高價伺服器 DRAM 記憶體的硬體依賴。
一邊透過併購取得次世代專用推論晶片技術,另一邊用軟體演算法直接幫客戶省下高昂的記憶體採購預算,這兩手操作精準展現了執行長蘇姿丰團隊試圖從「推論成本結構」切入、正面挑戰市場霸主的野心。
對台灣的伺服器代工廠、記憶體模組廠與企業機房採購主管來說,AMD 這波併購與軟體新布局意味著「記憶體牆」與「推論電費帳單」正在成為晶片商差異化競爭的主戰場。
接下來我們會拆解 Taalas 的專用推論晶片理念究竟特別在哪裡、預測性記憶體軟體如何替機房省下 DRAM 開銷、為什麼 AMD 在這個時間點加碼推論布局,以及對台灣供應鏈的連鎖影響。
為什麼 AMD 要收購 Taalas?破解「把模型搬來搬去」的記憶體魔咒
在看懂 Taalas 的技術價值前,得先明白目前所有通用 GPU 在跑大型語言模型推論時最浪費電的地方在哪裡。
當一顆標準繪圖晶片在生成每一個中文字或英文字元時,處理器必須不斷把高達數百億個模型參數從外部的高頻寬記憶體(HBM)或系統記憶體裡搬進計算核心,算完一個字後又得重新再搬一次。
科學界把這種「計算很快、但搬運數據耗掉九成時間與電力」的物理極限稱為記憶體牆(Memory Wall)。
而 Taalas 這家新創之所以在矽谷晶片圈名聲大噪,正是因為它提出了一種極度大膽的「專用硬化推論」(Hardwired Inference)思路:乾脆針對特定熱門基礎模型或核心運算結構。
把模型權重與數據流直接高度客製化地刻進晶片邏輯與近記憶體架構裡,徹底消滅反覆從外部搬運記憶體數據的耗損。
這種路線雖然不像通用顯示卡那樣什麼冷門小模型都能隨便跑,但在面對每天需要處理數百億次呼叫的主流企業模型推論時,它的單位詞元速度與每瓦能源效率卻能拉開驚人的倍數優勢。
這家晶片大廠 正式完成收購 Taalas 後,等於把這支精通極致推論架構與模型硬化編譯的頂尖研發團隊直接編入自家陣營,替未來的 Instinct 加速器與客製化推論晶片路線注入極強的技術儲備。
延伸閱讀:英國 AI 晶片黑馬 Fractile 募資 7.2 億美元、估值破 50 億英鎊!3D 堆疊 DRAM 如何打破算力「記憶體牆」?

預測性記憶體軟體上線:沒換硬體也能幫資料中心省下 DRAM 成本
如果說收購 Taalas 是為了打造未來的殺手級推論硬體,那麼同步推出的「預測性記憶體」付費軟體方案,則是 這家晶片大廠 立刻就能幫通路夥伴與資料中心客戶解決當下痛點的商業武器。
到了 2026 年底,隨著企業級 AI 代理與海量資料庫工作負載全面上線,資料中心伺服器的整體建置成本中,高容量 DDR5 與高頻寬記憶體的採購金額占比節節攀升,甚至經常成為企業擴充機櫃時的預算瓶頸。
這家晶片大廠 針對通路合作夥伴推出的預測性記憶體軟體方案,核心原理是利用智慧化的預測演算法與資料預取管理技術,更精準地判斷處理器接下來幾毫秒真正需要用到哪些記憶體頁面。
透過軟體層動態調度與壓縮冷熱資料的擺放位置,系統不需要在每一台伺服器上都插滿最頂規昂貴的實體 DRAM 記憶體容量,就能維持接近滿配硬體的應用程式執行速度與低延遲表現。
這讓企業在擴充邊緣機房或私有雲時,能省下一大筆實質的硬體採購開銷。
| 戰略布局項目 | 核心技術與產品屬性 | 鎖定解決的產業痛點 | 對企業客戶與市場的實際價值 |
|---|---|---|---|
| 完成收購 Taalas | 專用 AI 推論晶片與模型硬化架構先驅 | 通用 GPU 反覆搬運模型權重導致推論耗電又貴 | 補強 AMD 在高效率專屬推論晶片領域的專利與團隊 |
| 預測性記憶體軟體方案 | 針對通路夥伴推出的付費記憶體最佳化軟體 | 資料中心伺服器 DRAM 採購成本過高、記憶體牆卡頓 | 用軟體演算法提升現有記憶體利用率,減少實體 DRAM 依賴 |
| 整體推論生態聯動 | 結合近期成立的 SGLang 開源推論聯盟 | 過去受限單一晶片商軟體生態而難以跨平台部署 | 形成「晶片硬體+記憶體軟體+開源引擎」完整組合拳 |
延伸閱讀:AMD Helion 開放式機櫃 11 月出貨!緯穎、鴻海與玻纖布族群為什麼跟著大漲?
AMD 軟硬體連環出招:AMD 為什麼把籌碼重押在「推論降本」
把最近兩週的幾則新聞串起來看,你會發現 這家晶片大廠 的戰略藍圖變得非常清晰。
在模型訓練端,各家巨頭比拚的是十萬顆級別的超大型叢集,短期內很難撼動既有的王者地位。
但到了 2026 年底與 2027 年,AI 市場真正爆發成長的是「推論算力」,也就是全球幾百萬家企業每天實際把 AI 代理跑起來服務客戶時消耗的算力。
企業在買單推論算力時,最在乎的從來不是誰家的單卡理論算力有多高,而是「每生成一百萬個字元,到底要花掉多少電費與機器折舊費」。
因此 這家晶片大廠 一方面在頂級機櫃推出 Helion 開放架構搶攻大客戶、聯手 Intel 與 Google 成立 SGLang 聯盟打破軟體圍牆。
另一方面又收購 Taalas 搶進專用推論晶片、推出預測性記憶體軟體幫機房省 DRAM 錢。
這整套組合拳打的都是同一個目標:成為企業級 AI 推論最划算的選擇。
對台灣記憶體廠與伺服器通路夥伴的雙面觀察
對台灣的半導體與伺服器供應鏈來說,這家晶片大廠 這兩項動作同樣帶來值得留意的產業訊號。
對伺服器代工與系統整合通路商而言,未來銷售 這家晶片大廠 平台伺服器時,除了賣硬體機器本身,還多了一項「預測性記憶體軟體授權」的加值服務可以搭配銷售,有助於替企業客戶端出更具價格競爭力的整機報價方案。
而對記憶體與載板相關族群來說,雖然軟體最佳化短期內旨在幫客戶「少插幾條昂貴 DRAM」,但從整個產業的傑文斯悖論來看。
當單台機器的推論與建置門檻降下來後,反而會刺激更多中小型企業與邊緣機房願意自建 AI 推論伺服器,長遠來看依然會撐住高階記憶體與封裝載板的總體需求量。
專用硬化推論架構與傳統通用加速器的取捨
很多讀者會好奇,既然把模型直接做進晶片邏輯這麼省電又快,為什麼以前沒有廠商這樣做?
原因在於「模型迭代速度」。
過去兩年語言模型每三個月就換一個全新架構,晶片流片製造卻要花上一年,萬一晶片做好了但模型早就過時,整批晶圓就會變成廢鐵。
但到了 2026 年底,主流 Transformer 與混合專家架構的基本運算單元已經高度穩定,加上企業日常推論有大量固定不動的核心工作負載,這才讓專用推論晶片與硬化架構真正具備大規模商轉的經濟效益。
預測性記憶體軟體如何延長既有伺服器生命週期
對許多剛在兩年前買進大批資料中心伺服器的企業來說,現在要整批汰換成最新昂貴的高頻寬記憶體機櫃並不現實。
透過預測性記憶體這類軟體層調度工具,資訊部門能把原本因為記憶體頻寬卡住而跑不順的機器重新榨出效能,等於用相對低廉的軟體授權費,替公司延後了一到兩年的大規模硬體汰換資本支出。
為什麼「省記憶體」在 2027 年會比「加核心」更受機房歡迎
在資料中心營運成本結構裡,大家常常只盯著最貴的那顆主晶片看,卻忽略了伺服器內部大量的 DRAM 記憶體條與高頻寬記憶體,不僅採購單價極高,更是機房耗電與發熱的主要來源之一。
尤其到了 2026 年底,全球高階記憶體產能持續被 AI 伺服器搶購,交期拉長與報價居高不下讓許多企業機房主管叫苦連天。
因此 AMD 推出的預測性記憶體軟體方案,精準切中了企業既想擴充代理運算規模、又買不起或買不到滿配實體記憶體的現實困境。
台灣記憶體與系統廠在「軟體定義記憶體」時代的觀察重點
面對晶片商開始用軟體演算法減少伺服器對實體記憶體容量的依賴,台灣記憶體模組與伺服器代工產業也必須跟著調整思維。
短期來看,高階伺服器的總體記憶體需求依然龐大。
但中長期而言,能夠配合處理器原廠進行記憶體分層調度、以及支援 CXL 等高速記憶體擴充協定的產品線,將會比單純賣標準規格記憶體條具備更強的抗週期能力。
記憶體最佳化在邊緣與私有雲機房的延伸價值
除了大型公有雲資料中心,許多企業自建的私有雲機房同樣受限於既有的實體插槽與供電上限。
因此透過軟體層預測性記憶體調度來釋放現有硬體潛力,能幫助預算有限的中型企業在不大幅改建機房的前提下順利導入更多 AI 服務。
常見問題 FAQ
AMD 收購的 Taalas 是一家什麼樣的公司?
Taalas 是一家專注於革命性 AI 推論晶片架構的新創先驅,核心技術是將特定 AI 模型的結構與運算高度客製化硬化至晶片設計中,藉此大幅消除傳統處理器反覆存取外部記憶體造成的能源與時間浪費。
預測性記憶體軟體方案是免費送給所有用戶的嗎?
根據外媒報導,這家晶片大廠 規劃這是一套透過通路合作夥伴向企業客戶推廣的付費軟體解決方案,主要針對希望在資料中心大幅壓低昂貴 DRAM 記憶體採購成本的客戶群。
這項收購會馬上改變市面上買得到的 AMD 顯示卡或伺服器嗎?
晶片研發與產品整合需要物理設計與晶圓代工週期,因此收購 Taalas 的技術結晶不會立刻出現在明天出貨的機器裡,但它將直接加速 這家晶片大廠 下一代專屬推論加速器與客製化晶片的研發進程。
企業該如何決定要買通用型 GPU 還是等待專用推論晶片?
如果企業需要同時跑多種不斷更新的模型、或是偶爾需要微調訓練,通用 GPU 依然是最安全的選擇。
但若您的業務已經鎖定極少數高度固定、且每天推論調用量極為龐大的核心模型,未來的專用推論架構將會帶來巨大的成本優勢。
結語
這家晶片大廠 完成收購 Taalas 並推出預測性記憶體軟體方案,清楚說明了 AI 晶片競爭已經從「單純比拚訓練算力峰值」,全面轉向「誰能用最低的記憶體與電力代價,支撐全球暴增的推論需求」。
當傳統記憶體牆的物理限制越來越難靠單純堆料解決時,透過專用晶片架構創新搭配智慧軟體記憶體管理雙管齊下,正是最務實的突圍之道。
對關注台灣伺服器與半導體供應鏈的投資人與架構師而言,接下來可以持續追蹤 這家晶片大廠 如何將 Taalas 團隊整合進未來的產品路線圖,以及企業資料中心對這類軟體降本方案的實際採購接受度。
如果你想持續掌握 這家晶片大廠、輝達與各大晶片廠的最新併購與算力架構演進,歡迎免費訂閱 AI 郵報,或點擊下方延伸閱讀了解記憶體牆突破技術與開放機櫃商機。