AI芯片创企Etched融资近60亿，获台积电李飞飞等押注

背景

随着大语言模型和多模态模型在产业中广泛落地，AI 推理的成本压力正成为科技巨头和创业公司共同面临的瓶颈。OpenAI 每年在推理上的支出高达数十亿美元，降本增效的诉求空前强烈。正是在这一背景下，一家名为 Etched 的 AI 芯片初创公司于 2022 年悄然成立，三位创始人都是哈佛辍学生。近日，该公司宣布完成累计 8 亿美元（约 60 亿人民币）融资，估值攀升至 50 亿美元，并签下了一张 10 亿美元的芯片预购大单。投资方包括诺贝尔奖得主 Geoffrey Hinton、斯坦福大学 AI 视觉先驱李飞飞、OpenAI 联合创始人 Andrej Karpathy、风投教父 Peter Thiel、量化巨头 Jane Street 以及台积电关联基金等。这批顶级投资人押注的是一个极为极端的理念：造一款只跑 Transformer 架构的芯片。

核心内容

Etched 的第一款芯片名为 Sohu，采用台积电 4 纳米工艺，目前已成功流片。Sohu 是一款 ASIC（专用集成电路），其内部电路完全固定，专为运行 Transformer 模型的前向推理而设计，无法运行 CNN、RNN 或其他非 Transformer 架构的模型。这种极端取舍换来的是极端的效率：Etched 官方声称，在运行 Llama 70B 推理时，8 张 Sohu 组成的服务器可以替代 160 张英伟达 H100，吞吐量是 H100 的 20 倍，每美元性能是 GPU 的 140 倍。

Etched 的核心逻辑在于，Transformer 架构已统治 AI 主流应用超过五年，从语言模型到文生视频，其底层根基短期内很难被颠覆。因此，公司认为值得为 Transformer 专门制造硬件，牺牲通用性以换取极致效率。这一做法的底气也来自市场验证：一张 10 亿美元的预售大单表明，客户已在早期原型上跑通真实负载，结果足够理想。

Etched 的三位创始人均为 Thiel Fellowship 入选者（该奖学金由 Peter Thiel 创办，资助辍学创业大学生）。CEO Gavin Uberti 曾在 Jane Street 从事高频交易，对低延迟计算有深刻理解；CTO Chris Zhu 曾在谷歌 TPU 团队实习，亲历过专用芯片从设计到落地的全过程。公司目前拥有超过 400 名工程师，主要来自英伟达、谷歌 TPU 团队、博通、台积电等核心环节。

关键要点

• 极端化设计：Sohu 是 ASIC，只做 Transformer 推理，舍弃所有其他 AI 计算能力，换来极高的能效比和吞吐量。
• 性能对比：8 张 Sohu 可替代 160 张英伟达 H100，在 Llama 70B 推理场景下吞吐量提升 20 倍，每美元性能提升 140 倍。
• 生态兼容：Sohu 支持直接运行 Transformer 模型，用户用 PyTorch 训练的模型无需修改代码即可运行，避开了 ASIC 通常面临的编程模型和软件栈壁垒。
• 团队背景：三位创始人均为哈佛辍学生兼 Thiel Fellowship 得主，核心成员来自 Jane Street、谷歌 TPU 团队，工程师团队集结了英伟达、博通、台积电等公司人才。
• 市场验证：10 亿美元预购大单已签下，台积电关联基金也参与投资，显示产业链对产品的认可。
• 风险判断：Etched 押注 Transformer 架构长期稳定，若算法架构发生根本性变化，专用芯片将面临成为“废硅”的风险。

意义与影响

Etched 的崛起标志着 AI 芯片市场正在从“通用为王”走向“专用与通用并存”的格局。英伟达 GPU 凭借通用性和 CUDA 生态长期占据主导，但专用芯片在特定场景下的效率优势正变得不容忽视。Etched 的 Sohu 通过兼容 PyTorch 生态，绕开了开发者重写代码的痛点，这直接挑战了英伟达的护城河。

目前全球 AI 芯片产业链已分裂为三条路线：一是通用 GPU 路线（英伟达、AMD 等），生态成熟但效率低、成本高；二是云厂商自研路线（谷歌 TPU、AWS Trainium、Meta 自研芯片等），深度绑定自身业务，生态封闭；三是第三方专用芯片路线（Etched、Cerebras、Groq 等），为特定计算优化但面向所有客户，效率极致但风险集中。

业内普遍认为，这三条路线将长期共存，但市场份额会重新洗牌，未来 2 到 3 年可能是格局初定的关键窗口期。Etched 的案例验证了“架构足够稳定、愿意为专用芯片买单”的市场逻辑，也为其他追求极致效率的 AI 硬件创业公司提供了可参照的路径。