七個月翻一倍：Etched 估值突破百億美元
2026 年 7 月 23 日，AI 晶片新創 Etched 正式宣布完成 3 億美元的 C 輪融資，估值直接飆升至 103 億美元。要知道，僅僅七個月前——2025 年 12 月——這家公司才剛以 50 億美元的估值完成融資，這次直接翻倍。更驚人的是，Etched 到了 2026 年 6 月 30 日才正式結束隱形模式，首次公開展示其晶片。
這輪融資由 紅杉資本（Sequoia Capital） 領投，其他參投者包括 Andreessen Horowitz (a16z)、Jane Street、Diffusion、Argo，以及半導體記憶體巨頭 SK Hynix。據公司表示，這是紅杉資本史上領投的最高估值 Series C。
三位哈佛輟學生的瘋狂賭注
Etched 成立於 2022 年，由三位哈佛大學輟學生共同創立：
- Gavin Uberti（執行長）
- Chris Zhu（技術長）
- Robert Wachen（總裁）
他們的創業故事充滿了「反直覺」的色彩。2022 年，ChatGPT 還沒問世，主流 AI 仍依賴卷積神經網路（CNN）和循環神經網路（RNN）。但這三位年輕人竟然大膽預測 Transformer 架構將主宰 AI 領域，並決定設計一款「專用集成電路（ASIC）」——名為 Sohu——將 Transformer 的計算邏輯直接燒錄在晶片中。
這意味著 Sohu 晶片不能跑 CNN、RNN、擴散模型（如 Stable Diffusion）或任何非 Transformer 的架構。這在當時看來幾乎是「瘋狂的賭注」。
但歷史站在了他們這邊。如今，從 ChatGPT 到 Claude，從 Gemini 到 Grok，所有最先進的 AI 模型都是 Transformer 架構。這場賭注不但沒有失敗，反而讓 Etched 成了市場上最炙手可熱的 AI 晶片公司。
Sohu 晶片技術深度解析：為何能聲稱快 20 倍？
Sohu 晶片的技術規格相當驚人：
| 規格 | Sohu | NVIDIA H100 SXM |
|---|---|---|
| 製程 | 台積電 4nm (N4P) | 台積電 4nm (N4) |
| 記憶體 | 144GB HBM3E | 80GB HBM3 |
| 記憶體頻寬 | ~4.8 TB/s | 3.35 TB/s |
| 定位 | Transformer 專用推論 | 通用 GPU（訓練+推論） |
Sohu 的核心技術優勢來自三個關鍵創新：
1. 雙引擎架構（Dual-Engine）
Sohu 內部有兩個完全獨立的計算引擎：
- 脈動陣列（Systolic Array）：專門處理大型矩陣乘法（QKV 投影、前饋網路等），這些運算不依賴前一個 token
- 自注意力電路（Self-attention Circuit）：專門處理依賴前序 token 的運算（Q×K^T 分數計算、softmax、數值聚合）
關鍵的是，兩個引擎各自擁有獨立的 HBM 記憶體通道，這意味著權重讀取和 KV 緩存讀取完全不搶頻寬。在 GPU 上，這兩個工作負載會爭奪同一條 HBM 通道——這是瓶頸所在。
2. 低電壓推論（Low Voltage Inference）
Etched 讓晶片的數學運算區塊在低於一般晶片一半的電壓下運行。這帶來了驚人的好處：電壓降低 → 發熱減少 → 不會觸發熱調頻（thermal throttling）→ 可以維持極高的 FLOPs 利用率。
據 Etched 宣稱，運行兆級參數的 MoE 模型時，仍能維持 80% 以上的 Peak FLOPs 利用率。相比之下，一般 GPU 在推論時的 FLOPs 利用率通常只有 30-40%。
3. 集群規模記憶體（Cluster Scale Memory）
利用專利超低延遲、高頻寬互連技術，建立跨多晶片的共享記憶體池，實現類似 SRAM 的低延遲，同時保有 HBM 的大容量。
效能數據與爭議
Etched 宣稱的效能數據只能用「驚人」來形容：
- 1 台 8 晶片 Sohu 伺服器在 Llama 70B 推論下：每秒 500,000+ token
- 同等配置的 8 片 H100：約 23,000 token/s
- B200：約 45,000 token/s
- Etched 表示一台 Sohu 伺服器可替代 160 片 H100
換算下來，Sohu 宣稱的效能是 H100 的 20 倍以上。
但真相可能沒那麼簡單
許多晶片分析師和 Hacker News 社群對這些數字提出質疑：
| 質疑點 | 說明 |
|---|---|
| 記憶體頻寬限制 | Sohu 頻寬（4.8 TB/s）僅比 H100（3.35 TB/s）高 1.4 倍。低 batch 推論受頻寬限制，無法達到 20 倍 |
| 高 batch 限定 | 20 倍效能可能只在極高 batch size 下才能實現，而真實生產環境的 batch size 通常不大 |
| 無第三方驗證 | 尚無 MLPerf 基準測試或客戶部署數據，所有數字都來自公司內部模擬 |
| 軟體生態系風險 | 從 CUDA 生態系統轉移到 Etched 的自有編譯器工具鏈，需要從頭重構整個伺服器棧 |
晶片分析師的分析指出，Sohu 的 20 倍效能可以這樣拆解：
- ~3 倍來自矽面積重新分配（不需要支援其他架構）
- ~3 倍來自更高的 FLOPs 利用率（90% vs 30-40%）
- ~2 倍來自並行的注意力/FF 執行
合計約 18 倍，與宣稱的 20 倍基本吻合。但請注意，這只在極高 batch size 下成立。
Peter Thiel 的背書與 NVIDIA 的防守
億萬富翁 Peter Thiel 賣出了其基金持有的所有 NVIDIA 股份，全力轉投 Etched。這不僅僅是對一家公司的投資——這是對 AI 價值正在從通用硬體向專用推論硬體「大遷移」的終極押注。
歷史或許也在支持這個論點：比特幣從 CPU 挖礦 → GPU 挖礦 → ASIC 挖礦，專用硬體最終徹底取代了通用硬體。
NVIDIA 也不是吃素的。2025 年 12 月，NVIDIA 以 200 億美元收購了 LPU 推論晶片巨頭 Groq，並在 2026 年 3 月推出了 Groq 3 LPU 的 LPX 機架。此外，NVIDIA 的 CUDA 生態系統擁有 15-18 年的深耕，目前所有主流推論框架（vLLM、TensorRT-LLM、SGLang）都依賴 CUDA——這道護城河極難跨越。
台灣元素與量產進度
值得一提的是，Etched 在台灣開設了製造與量產工廠，團隊已擴充至 400 多名工程師，大量挖角自 NVIDIA、Broadcom、Google TPU 團隊與 SK Hynix。首批 Sohu 機架預計於 2026 年夏天出貨，已簽署超過 10 億美元的客戶合約。
總結：機會與風險並存的極端賭注
| ✅ 看好理由 | ❌ 質疑理由 |
|---|---|
| Transformer 已成為 AI 主流架構 | 記憶體頻寬僅比 H100 高 1.4 倍 |
| Peter Thiel、紅杉、SK Hynix 等巨頭背書 | 無第三方獨立驗證（MLPerf） |
| 已簽 10 億美元客戶合約 | CUDA 生態系護城河極深 |
| 雙引擎 + LVI + CSM 技術創新 | 無法跑多模態/擴散模型 |
Etched 的故事是 2026 年 AI 硬體領域最精彩的篇章之一。一家由三名輟學生創辦的公司，憑藉一個看似瘋狂的賭注，如今估值突破百億美元，正面挑戰 NVIDIA 的霸主地位。但從紙上談兵到量產出貨，真正的考驗才剛開始。
原始來源： TechCrunch | The Next Web