芯片商Etched累计融资近60亿，获台积电、辛顿、李飞飞押注

昨日，一条消息在AI圈和芯片圈炸开了锅：硅谷AI芯片创业公司Etched宣布完成累计8亿美元融资（将近60亿人民币），估值冲上50亿美元，同时拿下一张10亿美元的芯片大单。 这家公司此前颇为低调。它2022年才成立，三位创始人是哈佛辍学生，但它的投资人名单不可小觑：诺贝尔奖得主Geoffrey Hinton、斯坦福AI视觉先驱李飞飞、OpenAI联创Andrej Karpathy、风投教父Peter Thiel、融资的量化巨头Jane Street和台积电关联基金等悉数入局。 他们押注的是一件看起来很极端的事：造一款只跑Transformer的芯片。 Sohu，是Etched的第一款芯片，采用的是台积电4纳米工艺，目前已经流片成功。官方声称：在Llama 70B推理场景下，8张Sohu组成的服务器，可以替代160张英伟达H100。 这件事指向了一个更深层的问题：AI芯片的“通用时代”，是不是快要结束了？ 01 Etched做的是什么芯片？ 要理解Etched在做什么，得先理解AI芯片的“通用”与“专用”之别。 英伟达的GPU，本质上是一种通用芯片。它能跑Transformer，能跑CNN，能跑RNN，甚至还能挖比特币。这种“什么都能干”的设计，是英伟达成功的根本原因。不管AI的下一个风口是什么，GPU总能用得上。 但“通用”的代价，是效率的浪费。 跑Transformer模型时，GPU上有大量晶体管在做这件事之外的事情。就像开着一辆全地形越野车送外卖——能送到，但油耗高得离谱。 Etched的做法，用一句话概括就是：把Transformer架构“刻”进芯片硬件里。 Sohu是一款ASIC（专用集成电路）芯片。和GPU不同，ASIC不是为了可编程性设计的， 它里面的电路是固定死的，只干一件事：运行Transformer模型的前向推理。 这意味着，Sohu根本跑不了CNN，跑不了RNN，甚至Transformer的某个运算如果和Etched的硬件实现不匹配，也跑不了。 这种极端的设计取舍，换来的是极端的效率。Etched官方声称，Sohu在运行Llama 70B推理时，吞吐量是H100的20倍，每美元性能是GPU的140倍。 为什么说这件事“牛逼”？ Sohu的技术突破，不在制程，不在算力规模，而在架构取舍的胆量。 芯片行业有一个铁律：越通用的芯片，市场越大，但效率越低；越专用的芯片，效率越高，但市场越小。ASIC是效率的极致，也是风险的极致——如果算法架构变了，专用芯片就是一块昂贵的废硅。 Etched敢下这个注，前提是它判断：Transformer架构已经足够稳定，值得为它专门造芯片。 毕竟，Transformer 架构已统治AI主流应用超五年，从语言模型到文生视频，其底层根基短期内很难被轻易掀翻。 更现实的推力在于大厂正面临巨量的推理成本消耗，仅OpenA