失业工程师声称7000行代码复刻 AMD 刚收购的 AI 芯片

AMD 在 8 月 6 日宣布收购加拿大 AI 推理芯片初创公司 Taalas，将后者「把大模型权重直接刻进硅片」的能力收入囊中，被视作挑战英伟达的「秘密武器」。然而收购消息发布后不久，X 上一条来自一位自称失业工程师的帖子迅速刷屏：他声称用约 7000 行代码写出了一套模型到芯片的编译器，性能目标比 Taalas 更激进，目标是 40,000 tokens/秒。事件尚未得到独立验证，但在社区引发大量讨论。

事件背景：AMD 收购 Taalas

Taalas 由前 Tenstorrent CEO Ljubisa Bajic 于 2023 年创立，核心思路是绕开传统 GPU「计算与存储分离」的冯·诺依曼瓶颈，把特定模型的权重物理硬连线进晶体管。其第一代测试芯片 HC1 采用台积电 6nm 工艺，运行 Meta 的 Llama 3.1 8B 模型时，单用户推理速度可达约 17,000 tokens/秒。Taalas 此前公开宣称，这一速度约为英伟达 H200 的 73 倍，而功耗仅为其十分之一；代价是一颗芯片只能服务一个固定模型，且流片周期被压缩到约两个月。AMD 将其纳入麾下，意在补强面向推理的专用 ASIC 路线。

「7000行代码」的方案

这位发帖者表示，自己在失业的半年里系统研读了 Taalas 已公开的专利，并认为后者从只读存储器（bitROM）读取权重的设计仍存在冗余能量消耗，于是用约 7000 行代码手写了一套端到端的「AI 模型硬件编译器」。其公开的流水线大致如下：

• 输入：直接读取 HaqingFace 上的模型权重 checkpoint。
• 量化：由编译器自动完成极低比特量化，作者声称其纯软件量化效果优于 Taalas 硬件团队。
• 权重下沉：把量化后权重沿金属层转换为 RTL（寄存器传输级）和 GDS（光刻掩模版图）。
• 物理验证：自动执行 DRC 设计规则检查、Yosys 逻辑综合、PEX 寄生参数提取等步骤。
• 产出：一张可直接把模型矩阵乘法转化为电子波形执行的物理电路。

作者据此宣称，其方案相比 Taalas 的 bitROM 可减少约 100 倍的内存访问次数，并将推理速度目标定在 40,000 tokens/秒，约为 Taalas 公开数字的两倍。

现实困境与社区反应

尽管方案听起来激进，作者自己坦言卡在流片环节：他已经破产且处于失业状态，正在公开求助是否有渠道获得 7nm PDK（工艺设计套件）或欧洲 PTW 多项目晶圆班车等廉价流片资源。该帖迅速引来大量关注，知名 AI 研究员 Stanislav Fort 留言问其能否凭此融资，并形容若属实将是「灌篮级别的扣篮」；曾因操纵药价闻名的 Martin Shkreli 也留言表示愿意雇他造芯片，多位 VC 与科技公司高管则留言要求私聊。但也有工程师质疑其直接选择 7nm 工艺的原因——作者回应称，13nm 工艺的光刻面积装不下大模型权重，而要谈下 5nm 或 6nm，必须是英伟达、苹果、博通这样的客户，台积电才会接单。

一个值得关注的信号

目前所有性能数字均为作者单方面声明，尚无第三方流片或仿真验证。即便如此，这则帖子仍在社区中引发广泛讨论：如果「checkpoint → 量化 → RTL → GDS」这条链路真的可以自动化，那么定制 AI 芯片的设计将越来越像一次「代码编译」，而不是一项耗时数年、需要数百名硬件工程师协同的浩大工程。这与 Taalas、AMD 以及英伟达正在押注的「模型专用 ASIC」方向形成呼应，只是发起者从顶尖芯片团队变成了一个人和一台电脑。事件最终走向，仍取决于作者能否解决最现实的问题——找到愿意合作的晶圆厂。