Zum Inhalt springen

Taalas HC1 · Taalas HC1 Daten · fest verdrahtetes Llama 3.1 8B · Model-on-Chip · LLM-Inferenz-ASIC

Taalas HC1 erklärt: Daten, Geschwindigkeit, Grenzen und die Bedeutung für Geräte

Entwicklungsteam von Fanshi Semiconductor · Veröffentlicht

Der Taalas HC1 ist ein im Februar 2026 angekündigter Inferenzchip für Rechenzentren, der ein einzelnes Modell, Llama 3.1 8B, fest im Silizium verdrahtet. Das Unternehmen nennt knapp 17.000 Token pro Sekunde je Nutzer, gegenüber etwa 230 auf einer NVIDIA H200 für dasselbe Modell. Veröffentlicht sind unter anderem TSMC 6 nm, 815 mm² Chipfläche und rund 53 Milliarden Transistoren. Der Preis: ein Modell je Chip, aggressive 3-Bit- und 6-Bit-Quantisierung im ersten Silizium und Server mit rund 2,5 kW. Es ist ein Cloud-Produkt; Geräte brauchen dieselbe Idee bei einem Watt bis einigen zehn Watt.

Was der HC1 ist

Der HC1 ist der erste Chip von Taalas, angekündigt im Februar 2026. Statt ein Modell in den Speicher zu laden und auf Allzweck-Hardware auszuführen, ist ein Modell, Llama 3.1 8B, in den Chip selbst eingebaut. Dieser Ansatz heißt Model-on-Chip oder fest verdrahtetes LLM.

Fanshi Semiconductor ist nicht mit Taalas verbunden. Diese Seite fasst zusammen, was veröffentlicht wurde, die Quellen stehen am Ende. Der HC1 ist der deutlichste öffentliche Bezugspunkt für diesen Ansatz.

Veröffentlichte Werte

MerkmalVeröffentlichter WertQuelle
ModellLlama 3.1 8B, fest verdrahtetTaalas, laut CNX Software und heise
GeschwindigkeitKnapp 17.000 Token/s je NutzerHerstellerangabe
ProzessTSMC 6 nmCNX Software, heise
Chipfläche815 mm²CNX Software, heise
TransistorenRund 53 MilliardenCNX Software, heise
Genauigkeit3-Bit- und 6-Bit-Parameter im ersten SiliziumTaalas, laut heise
FlexibilitätLoRA-Adapter und konfigurierbare KontextgrößeCNX Software
EinsatzServer mit rund 2,5 kWCNX Software
Dasselbe Modell auf NVIDIA H200Etwa 230 Token/s je NutzerNvidia-Referenz, zitiert von heise
Dasselbe Modell bei CerebrasEtwa 1.900 Token/sArtificial Analysis, zitiert von heise
Dasselbe Modell bei GroqEtwa 600 Token/sArtificial Analysis, zitiert von heise

Werte wie im Jahr 2026 veröffentlicht. Die Geschwindigkeit des HC1 ist eine Herstellerangabe; die Werte für Cerebras und Groq stammen von einem unabhängigen Tracker.

Woher die Geschwindigkeit kommt

Um ein Token zu erzeugen, wird jedes Gewicht des Modells gebraucht. Auf einer GPU liegen die Gewichte im Speicher und müssen für jedes Token geholt werden; die Grenze ist also, wie schnell der Speicher sie liefert. Der HC1 streicht das Holen: Die Gewichte sind Teil der Schaltung, es gibt nichts zu bewegen.

Deshalb ist der Gewinn bei einem kleinen Modell so groß. Ein 8B-Modell ist auf heutiger Hardware nicht durch Rechenleistung begrenzt, sondern durch den Datentransport. Fällt der Transport weg, läuft dieselbe Arithmetik um ein Vielfaches schneller.

Die Grenzen

  • Ein Modell je Chip. Ein anderes Modell bedeutet einen anderen Chip. Adapter und Kontextgröße sind konfigurierbar, die Basisgewichte nicht.
  • Quantisierung. Nach eigener Darstellung nutzt das erste Silizium 3-Bit- und 6-Bit-Parameter, was gegenüber einer GPU-Referenz etwas Qualität kostet.
  • Herstellerangaben. Die zentrale Geschwindigkeit stammt vom Unternehmen. Prüfen Sie, ob es unabhängige Messungen gibt, bevor Sie sich darauf stützen.
  • Es ist ein Bauteil für das Rechenzentrum. Server mit rund 2,5 kW passen in kein Produkt.

Was das für Geräte bedeutet

Der HC1 zeigt, dass fest platzierte Gewichte im großen Maßstab funktionieren. Das Geräteproblem löst er nicht: Ein Übersetzer, ein Fahrzeugmodul oder ein Roboter hat ein Watt bis einige zehn Watt zur Verfügung, keine Kilowatt, und eine Stückliste, die einen Chip dieser Größe auf einem Spitzenprozess nicht trägt.

Edge-Chips wenden dasselbe Prinzip unter anderen Randbedingungen an: kleinere Modelle, ausgereifte Prozesse und drei Arten, die Gewichte zu halten. MaskROM-Compute-in-Memory legt sie bei der Fertigung fest, SRAM-Compute-in-Memory lädt sie beim Einschalten, und Near-Memory-Computing hält sie in externem Speicher, wo sie aktualisiert werden können.

Fanshi baut Chips dieser Art auf SMIC 28 nm. Die veröffentlichten Werte sind Entwicklungsziele, keine Messungen: Forge zielt auf 17.000 Token/s mit Qwen 3.5 0.8B in einem Gerät der Watt-Klasse, Trident auf 15.000 Token/s mit Modellen bis Qwen 3.5 35B in einem Systembudget von 70 W.

Häufige Fragen

Was ist der Taalas HC1?

Ein im Februar 2026 angekündigter Inferenzchip für Rechenzentren, in dessen Silizium das Modell Llama 3.1 8B fest verdrahtet ist. Das Unternehmen nennt knapp 17.000 Token pro Sekunde je Nutzer.

Wie schnell ist der Taalas HC1 im Vergleich zu einer GPU?

Taalas nennt knapp 17.000 Token pro Sekunde je Nutzer auf Llama 3.1 8B. Die Berichterstattung nennt für dasselbe Modell etwa 230 Token pro Sekunde je Nutzer auf einer NVIDIA H200. Der HC1-Wert ist eine Herstellerangabe.

Kann der Taalas HC1 andere Modelle ausführen?

Nein. Das Basismodell steht im Chip fest. Laut Berichten unterstützt er LoRA-Adapter und eine konfigurierbare Kontextgröße, ein anderes Basismodell erfordert aber einen anderen Chip.

Lässt sich der Taalas HC1 in einem Edge-Gerät einsetzen?

Nein. Er ist für Server mit rund 2,5 kW ausgelegt. Geräte nutzen Edge-Inferenzchips mit Compute-in-Memory oder Near-Memory-Computing, die auf ein Watt bis einige zehn Watt zielen.

Ist Fanshi mit Taalas verbunden?

Nein. Fanshi Semiconductor ist weder mit Taalas verbunden noch dessen Partner. Taalas baut Beschleuniger für Rechenzentren, Fanshi baut Chips und IP für Endgeräte.

Quellen

  1. heise online: KI-Inferenz in Silizium gegossen: Taalas kündigt HC1-Chip an
  2. CNX Software: Taalas HC1 hardwired Llama-3.1 8B AI accelerator delivers up to 17,000 tokens/s

Bringen Sie die Frage in Ihr Projekt

Senden Sie uns Zielmodell sowie Leistungs- und Verbrauchsziele. Wir antworten mit einem Pfad und einem Evaluierungsplan.

Evaluierungskit anfragen