当整个AI行业还在为英伟达下一代GPU的产能分配焦虑时，一家来自库比蒂诺的硬件创业公司Etched，选择了一条最极端的路径：放弃通用性，将Transformer架构直接蚀刻在硅片上。这家由三位哈佛辍学生创立的公司，在2026年6月30日走出隐身模式，带着一款名为Sohu的定制ASIC芯片，以及总计8亿美元的融资和超过10亿美元的客户合同，向英伟达的GPU帝国投下了一枚“特洛伊木马”。问题在于：当AI模型架构本身仍在快速演化时，把全部身家押注在一个特定算法上，究竟是远见还是豪赌？
| 信息 | 详情 |
|---|---|
| 公司 | Etched |
| 创始人 | Chris Zhu, Gavin Uberti, Robert Wachen |
| 总部 | 库比蒂诺，加州 |
| 成立时间 | 2022年 |
| 本轮融资 | 总计8亿美元（其中5亿美元于2025年12月完成，估值50亿美元） |
| 投资方 | 未披露具体投资方 |
| 核心定位 | 专为Transformer模型推理设计的定制ASIC芯片 |
| 官网 | etched.com |
把算法“刻”进芯片：一场针对Transformer的硬件外科手术
Etched的Sohu芯片，本质上是对英伟达GPU哲学的一次彻底背叛。英伟达的GPU之所以成功，在于其可编程性——同一块芯片可以运行图像渲染、科学计算、以及各种版本的AI模型。而Etched的选择是：放弃所有灵活性，只做一件事，但把这件事做到极致。
Sohu采用台积电N4P工艺，将Transformer架构中的核心计算单元——注意力机制和前馈网络——直接以硬件逻辑门的方式固化在芯片上。这意味着它无法运行卷积神经网络、循环神经网络或任何非Transformer架构的模型。但作为交换，它实现了惊人的性能：据Etched官方数据，一个8芯片的Sohu服务器，在运行Llama 3 70B模型时，每秒可处理50万个token。作为对比，英伟达H100 GPU在同等配置下，这一数字通常在1万到2万token/秒之间。
这种性能飞跃的逻辑很简单：通用计算芯片需要花大量晶体管在指令调度、缓存一致性、以及各种“用不到”的指令集上，而Sohu的晶体管几乎全部用于Transformer推理的数学运算。这就像把一条高速公路从双向两车道扩建为单向八车道，代价是你只能开一种车型。
10亿美元订单背后的“赌注式信任”
Etched声称已经签署了超过10亿美元的客户合同。考虑到公司成立于2022年，且直到2026年才走出隐身模式，这个数字令人震惊。它意味着在没有任何公开产品的情况下，已经有大型客户愿意为这款“单用途”芯片预付大额款项。
这些客户很可能包括大型云服务商、AI推理平台、以及需要大规模部署聊天机器人和内容生成工具的企业。对于他们而言，推理成本是运营支出的核心。如果Sohu真的能将推理成本降低一个数量级，那么放弃模型灵活性就是一笔划算的生意——毕竟，当下绝大多数生产环境中的模型都是Transformer或其变体（如Mamba、RWKV等试图替代Transformer的架构，目前尚未大规模商用）。
但这里存在一个关键矛盾：Etched的芯片是“Transformer专用”，而Transformer本身并非一成不变。从GPT-2到GPT-4，从Llama 2到Llama 3，Transformer的架构细节（如层数、注意力头数、KV缓存策略）一直在变化。Sohu能否通过固件更新或微调来适应这些变化？如果不能，客户今天签下的合同，可能在两年后变成一张废纸。
哈佛辍学生与5亿美元估值：团队可信度几何？
Etched的三位创始人——Chris Zhu、Gavin Uberti、Robert Wachen——均为哈佛大学辍学生。这种“名校辍学创业”的叙事在硅谷并不新鲜，但硬件创业不同于软件：芯片流片一次的成本动辄数千万美元，且周期长达18-24个月。这意味着创始团队不仅需要技术洞察力，还需要极强的供应链管理能力和资本运作能力。
Gavin Uberti此前曾在AI芯片创业公司Groq担任早期员工，Groq以开发语言模型推理专用芯片而闻名。这段经历为Etched提供了技术路线上的参考——Groq同样选择了牺牲通用性换取性能，但其架构基于张量流处理器而非ASIC。Etched的差异化在于，它比Groq走得更极端：直接放弃所有非Transformer计算能力。
8亿美元的总融资额（其中5亿美元在2025年12月完成，估值50亿美元）表明，顶级风投机构对这条路线给予了极高的信任票。但硬件创业的历史上，不乏融资额巨大但最终未能量产的案例（如Graphcore、Cerebras的早期挣扎）。Etched面临的真正考验不是融资，而是Sohu芯片能否在2026年底或2027年初实现大规模量产，并且良率达标。
英伟达的反击与Transformer的“天花板”
英伟达不会坐视不理。其下一代GPU架构（如Blackwell）已经在Transformer推理方面进行了针对性优化，包括引入专用的Transformer引擎、提升张量核心的稀疏计算能力。此外，英伟达的CUDA生态和庞大的软件栈，使得开发者可以轻松地在不同模型之间切换——这是Etched无论如何都无法提供的灵活性。
更根本的风险在于：Transformer本身可能并非AI模型的终极形态。Mamba、RWKV、以及各种状态空间模型正在试图以更低的计算复杂度替代注意力机制。如果未来两年内，某种非Transformer架构在性能上全面超越Transformer，Etched的Sohu芯片将瞬间贬值——因为没有任何客户会购买一台只能运行过时算法的服务器。
Etched对此的回应是：Transformer的统治地位至少还会持续5-10年，且其变体足够多，足以支撑Sohu的商业化周期。但这一判断需要时间验证。
核心判断：Etched的成功与否，取决于两个关键变量：Sohu芯片的量产良率和实际推理性能能否达到宣传水平，以及Transformer架构在未来3年内是否会被根本性替代。如果两者都成立，Etched有望成为AI推理领域的“新英伟达”；如果任何一条不成立，这8亿美元融资将成为硅谷历史上最昂贵的“单点赌注”。未来12-18个月，Sohu的客户部署数据和第三方基准测试结果将是观察重点。