Proč někdo staví čip, který umí jediný model?

O umělé inteligenci dnes platí jedno nevyřčené pravidlo. Nic nevydrží dlouho. Sotva si na nějaký model zvyknete, vyjde novější, chytřejší nebo levnější a vy zvažujete, jestli přejít jinam. A čísla to potvrzují. Podle rozsáhlého průzkumu Databricks mezi více než 20 tisíci organizacemi dnes většina firem nespoléhá na jediný model. Skoro čtyři z pěti používají dva a víc naráz a podíl těch se třemi a více vyskočil z 36 na 59 procent během pouhých tří měsíců. Modely se navíc běžně střídají, často kvůli ceně, a nové vycházejí jeden za druhým, mnohdy několik za jediný měsíc.

Do tohoto překotného vývoje vstupuje jedna kanadská firma s nápadem, který jde přesně naopak. A právě proto stojí za pozornost.

Firma, která jde proti proudu

Firma se jmenuje Taalas, sídlí v Torontu a založil ji Ljubisa Bajic, dřívější inženýr z AMD a Nvidie. Její nápad zní na první pohled protismyslně. Místo univerzálního čipu, do kterého nahrajete jakýkoli model, ona jeden konkrétní model natrvalo vtiskne přímo do křemíku. Váhy modelu se stanou fyzickou součástí čipu a po výrobě se s nimi už nedá hnout.

Proč by to někdo dělal? Kvůli rychlosti a ceně. Běžný AI čip musí neustále přenášet data modelu z paměti a zpátky, což stojí čas i energii. Když je model přímo v křemíku, tenhle přesun odpadá. Taalas u svého prvního čipu (jmenuje se HC1 a umí jediný model, Llamu 3.1 8B od Mety) slibuje mnohonásobně vyšší rychlost a zhruba desetinovou spotřebu energie než běžné řešení na grafických kartách. Na svůj nápad firma zatím získala přes 200 milionů dolarů, takže investoři tomu evidentně věří. A že nejde o okrajovou kuriozitu, naznačuje i to, že se v srpnu 2026 na koupi Taalasu dohodl přímo výrobce čipů AMD. Obchod ještě čeká na schválení a má se uzavřít do konce roku.

Háček je jasný. Takový čip umí jednu jedinou věc. Když se model za pár měsíců změní, zůstane vám drahý a nepoužitelný kus křemíku.

Graf rychlosti inference na modelu Llama 3.1 8B v tokenech za vteřinu na uživatele. Taalas HC1 16 960, Cerebras zhruba 1900, Groq zhruba 600, Nvidia H200 zhruba 230. Čísla dle Taalasu, nezávisle neověřeno.

Ne všechno se musí měnit každý týden

A tady se dostáváme k tomu nejzajímavějšímu. Na první pohled to vypadá jako sázka proti celému trhu, vždyť se přece všechno mění každý týden. Jenže mění se opravdu všechno?

Ne každý systém potřebuje nejnovější model. Spousta věcí, které firmy nasazují, má fungovat pořád stejně a hlavně spolehlivě. Přepis hovorů, třídění dokumentů, jednoduchý asistent na zákaznické lince, překlad, čtení faktur. U takové rutiny nepotřebujete každý měsíc chytřejší nástroj, potřebujete, aby fungoval levně, rychle a bez výpadků, klidně roky v kuse. A přesně tam začíná model napevno v čipu dávat smysl.

Není náhoda, že i lidé z oboru čím dál častěji říkají totéž. O úspěchu nerozhoduje, kdo má nejnovější model, ale kdo dokáže AI spolehlivě zapojit do každodenního provozu. A jakmile se na AI přestanete dívat jako na závod o nejchytřejší mozek, zjistíte, že část vašich systémů se vlastně měnit nemusí. Co se měnit nemusí, to se dá optimalizovat naplno.

Dá se to přirovnat k dopravě. Auto vás sveze kamkoli po každé silnici a dá se přesměrovat, když se cíl změní. Tramvaj jede po pevných kolejích. Mimo ně se nedostane a k ničemu jinému není, zato na té jedné trase odveze víc lidí rychleji, levněji a spolehlivěji než auto a jezdí tak klidně desítky let. Taalas staví pro AI přesně takové tramvaje.

Dvě skupiny, do kterých si AI rozdělit

Pro drtivou většinu z nás je Taalas zatím vzdálená technická kuriozita, žádný čip řešit nebudete a univerzální modely v cloudu vám budou dál bohatě stačit. Ale princip za tím je užitečný i pro malou firmu, i bez jediného čipu.

Rozdělte si nasazení AI do dvou skupin. V první je to, co potřebuje být pořád nejchytřejší a nejnovější, a tam počítejte s tím, že budete průběžně střídat a nemá smysl se do ničeho pevně vázat. Ve druhé je to, co má hlavně spolehlivě fungovat, a tam je stálost výhoda, ne slabina. Čím dřív tenhle rozdíl uvidíte, tím míň energie utratíte za sledování každé novinky u věcí, které to vůbec nepotřebují.

Závěr

Trh se bude vyvíjet dál a nové modely budou vycházet jeden za druhým. Ale ne každý systém tohle tempo potřebuje stíhat. Taalas je zajímavý hlavně jako signál, ukazuje, že AI přestává být jedna velká věc na všechno a začíná se dělit. Na jedné straně univerzální, pružná a věčně se měnící. Na druhé specializovaná, pevně zabudovaná, ale velmi rychlá a levná.

Můj názor? Nenechte se strhnout tempem novinek. Většina toho ruchu se točí kolem toho, kdo má zrovna nejchytřejší model, jenže tam, kde vám AI má hlavně spolehlivě a levně odvádět rutinu, je stálost přednost, ne zaostávání. A vědět, co z vašich věcí patří kam, bude čím dál cennější dovednost.

There's one unspoken rule in AI today. Nothing lasts long. No sooner do you get used to a model than a newer, smarter or cheaper one comes out, and you're weighing whether to switch. And the numbers confirm it. According to an extensive Databricks survey of more than 20,000 organisations, most companies today don't rely on a single model. Nearly four out of five use two or more at once, and the share of those with three or more jumped from 36 to 59 percent in just three months. Models are also routinely swapped, often because of price, and new ones come out one after another, sometimes several in a single month.

Into this frantic development steps one Canadian company with an idea that goes in exactly the opposite direction. And that's precisely why it's worth attention.

A company swimming against the tide

The company is called Taalas, is based in Toronto, and was founded by Ljubisa Bajic, a former engineer at AMD and Nvidia. Its idea sounds counterintuitive at first glance. Instead of a universal chip into which you load any model, it permanently imprints one specific model directly into the silicon. The model's weights become a physical part of the chip, and once manufactured they can't be changed.

Why would anyone do that? For speed and cost. An ordinary AI chip has to constantly move the model's data from memory and back, which costs time and energy. When the model is right in the silicon, this transfer disappears. For its first chip (called HC1, running a single model, Meta's Llama 3.1 8B), Taalas promises many times higher speed and roughly a tenth of the energy consumption compared to a standard graphics-card solution. The company has so far raised over 200 million dollars for its idea, so investors clearly believe in it. And that this isn't a fringe curiosity is suggested by the fact that in August 2026 chipmaker AMD agreed to acquire Taalas directly. The deal still awaits approval and is expected to close by the end of the year.

The catch is clear. Such a chip can do one single thing. When the model changes in a few months, you're left with an expensive, unusable piece of silicon.

Chart of inference speed on Llama 3.1 8B in tokens per second per user. Taalas HC1 16,960, Cerebras around 1,900, Groq around 600, Nvidia H200 around 230. Figures per Taalas, not independently verified.

Not everything needs to change every week

And here we get to the most interesting part. At first glance it looks like a bet against the whole market, after all, everything changes every week. But does everything really change?

Not every system needs the latest model. Many of the things companies deploy are meant to work the same way, and above all reliably. Transcribing calls, sorting documents, a simple assistant on a customer line, translation, reading invoices. For such routine you don't need a smarter tool every month, you need it to run cheaply, fast and without outages, easily for years on end. And that's exactly where a model hard-wired into a chip starts to make sense.

It's no coincidence that people in the field too increasingly say the same thing. Success isn't decided by who has the newest model, but by who can reliably plug AI into everyday operations. And once you stop looking at AI as a race for the smartest brain, you find that some of your systems actually don't need to change. What doesn't need to change can be optimised to the max.

You can compare it to transport. A car will take you anywhere on any road, and it can be rerouted when the destination changes. A tram runs on fixed rails. It can't go off them and is good for nothing else, but on that one route it carries more people faster, cheaper and more reliably than a car and it runs like that for decades. Taalas is building exactly these kinds of trams for AI.

Two groups to split your AI into

For the vast majority of us, Taalas is still a distant technical curiosity, you won't be dealing with any chip, and universal cloud models will keep serving you amply. But the principle behind it is useful even for a small company, even without a single chip.

Split your AI deployment into two groups. In the first is what needs to always be the smartest and newest, so count on switching continually there and don't lock yourself into anything. In the second is what mainly needs to work reliably, and there, permanence is an advantage, not a weakness. The sooner you see this difference, the less energy you'll spend chasing every novelty for things that don't need it at all.

Conclusion

The market will keep evolving and new models will come out one after another. But not every system needs to keep up with this pace. Taalas is interesting mainly as a signal, it shows that AI is ceasing to be one big thing for everything and is starting to divide. On one side universal, flexible and forever changing. On the other specialized, firmly built in, but very fast and cheap.

My take? Don't get swept up by the pace of novelties. Most of the buzz revolves around who has the smartest model right now, but where AI is mainly supposed to handle routine reliably and cheaply, permanence is an asset, not falling behind. And knowing which of your things belongs where will be an increasingly valuable skill.