其中一家备受瞩目的新锐公司Taalas，由创始人Ljubisa Bajic引领，他同时也是Tenstorrent的创始人，并曾是Jim Keller的重要合作伙伴。在离开Tenstorrent一年之后，Bajic携带着他的新项目强势回归。他认为当前的专用AI芯片过于通用化，无法满足特定模型的需求。为此，Taalas（印地语意为锁匠）承诺通过研发针对特定型号定制的架构和芯片，实现效率上的数个数量级突破。
据透露，Taalas已通过Quiet Capital和Pierre Lamond进行两轮迷你融资，筹集了总计5000万美元的资金。该公司设想在制造过程中进一步优化硅片以适应特定模型，以应对人工智能和机器学习领域软硬件快速发展的趋势，以及对更专业、更高效率芯片方法的需求。
Taalas指出，目前AI硬件面临的主要问题是功效和成本。随着机器学习应用逐渐普及到日常生活中的方方面面，它将在汽车、家电甚至智能电表等一切电气化设备中无处不在。为了满足成本、计算能力和效率需求，特别是对于那些无法联网的设备，硬件需要在部署时即实现专用并固定功能。Taalas坚信并致力于开发强化可配置硬件，在真正固定功能ASIC/DSP或完全可重新配置解决方案之间找到平衡点，从而开辟出一条通往高效能、低成本AI芯片的新道路。
Taalas正在研发一种自动化流程，能够在硅片上快速实现各类深度学习模型（如Transformers、SSM、Diffusers、MoE等），其专有技术使得单个芯片就能容纳整个大型AI模型，无需外部存储器支持。通过硬连线计算的高效率，单个芯片性能超越小型GPU数据中心，有望将AI成本降低1000倍以上。
此外，韩国科学技术院KAIST的一支科学家团队在2024年国际固态电路会议(ISSCC)上推出了一款名为“Complementary-Transformer”的超低功耗AI加速器芯片。这款C-Transformer芯片声称是全球首款能够处理大语言模型（LLM）任务的芯片，且其功耗仅为Nvidia A100 Tensor Core GPU的1/625，尺寸缩小41倍。尽管未提供直接性能比较数据，但其精细的神经拟态计算技术助力实现了显著的能耗与尺寸缩减，使其在移动计算领域展现出巨大潜力。
与此同时，普林斯顿大学的一项由DARPA和EnCharge AI资助的先进AI芯片项目，则旨在彻底革新人工智能的可达性和应用场景，大幅提升能源效率和计算能力。该项目负责人、电气和计算机工程教授Naveen Verma表示，他们的新硬件针对现代工作负载进行了重新设计，能在远低于现有最先进半导体的能耗下运行强大的AI系统。Verma与其初创公司EnCharge AI合作，将实验室的研究成果商业化，致力于开发出强大而可扩展的混合信号计算架构，打破制约AI芯片发展的重要障碍——尺寸、效率和可扩展性。最后，宾夕法尼亚大学工程师研发出一款基于硅光子(SiPh)技术的新型芯片，利用光波而非电力执行训练人工智能所需的复杂数学运算。该芯片不仅有望大幅提高计算机处理速度，降低能耗，还具有极高的隐私保护优势，因为它的并行计算特性可以避免在内存中存储敏感信息，从而几乎不可被黑客攻击。这项革命性的研究成果预示着未来计算机将有可能摆脱现有芯片的局限，进入一个全新的高速、节能和安全的时代。
