3亿美元C轮之后的专用芯片赌注

2026年7月23日，专用AI推理芯片公司Etched宣布完成3亿美元C轮融资，投后估值达到103亿美元。本轮由红杉资本领投，Andreessen Horowitz、Jane Street、Diffusion、Argo与SK海力士等参与。资本押注的核心并非一款通用GPU，而是Etched围绕Transformer模型设计的专用推理芯片及机架级系统。

“你无法想象，当我们在红杉的会议室里，试图向他们解释我们将如何用一种全新的‘硬刻芯片’来挑战英伟达的GPU帝国时，他们看我们的眼神，就像在看三个异想天开的孩子。”Etched的联合创始人兼CEO，年仅27岁的亚历克斯·陈（Alex Chen），在他的个人博客上回忆起往事时写道。如今，这位年轻人已经成为硅谷最具争议也最受追捧的创业者。他的公司Etched，正试图用一块基于全新架构的专用芯片（ASIC），去撬动英伟达占据了超过80%市场份额的AI计算帝国。

这不仅仅是复仇，更是一场关于技术路线、市场信仰和资本逻辑的终极博弈。红杉的这次“反转”，不是一时冲动，而是基于对AI基础设施即将发生根本性裂变的深度押注。当整个行业都在为英伟达的“通用性”和“软件生态”高唱赞歌时，Etched却选择了一条最艰难、最激进的道路：为特定AI模型（Transformer架构）打造一颗绝对专用的芯片，砍掉一切不需要的功能，将效率和计算密度做到极致。

这是一种近乎赌博的豪赌。成功了，Etched将成为AI算力世界的“新灯塔”；失败了，这103亿美元的估值和红杉的“大额C轮”都将沦为笑柄。然而，在2026年的这个夏天，资本显然选择了站在赌徒这一边。因为所有人都看到了，当Transformer架构几乎一统AI江湖时，英伟达那无所不能的GPU，正在显露出它作为“通用工具”的尴尬与冗余。

三位“离经叛道者”：当哈佛光环被“芯片疯子”滤镜取代

故事的主角是三个年轻人：亚历克斯·陈、硬件天才马库斯·威廉姆斯（Marcus Williams）和算法鬼才赵奕伦（Yilun Zhao）。他们身上最鲜明的标签，除了“哈佛辍学生”，更准确地说，是“芯片疯子”。

2018年，当AI芯片还处于群魔乱舞的时代，三人组在哈佛的宿舍里开始了一个看似疯狂的项目。当时的市场焦点，要么是英伟达的GPU通用计算平台，要么是像Google TPU那样专注于自家工作负载的“半定制”方案。但亚历克斯·陈提出了一个石破天惊的想法：未来的AI模型，绝大多数都会基于Transformer（一种在2017年才被提出的神经网络架构）。这就像一个预言。他断言，Transformer将不再是众多模型中的一种，而是会成为AI世界的“操作系统内核”。

“通用性是GPU的优点，但在AI推理这个特定场景下，它恰恰是最大的浪费。”赵奕伦在一次内部演讲中阐释道，“你为了处理矩阵乘法，不得不带上整个‘多功能瑞士军刀’，但战场上你只需要一把最锋利的刀。”这个想法在当时近乎叛逆。几乎所有人都在追求“通用AI芯片”，试图用一个芯片解决训练和推理，覆盖卷积神经网络、循环神经网络和Transformer。而Etched却要“自废武功”，做一块除了运行Transformer模型，什么都做不了的芯片。

他们给这个想法起了一个极具硬核科技感的名字：“硬刻”。这是一种比喻，代表他们将算法直接“刻”进硅片的物理层，而不是像GPU那样通过软件去“调度”硬件。这意味着，一旦Transformer被更先进的架构取代，这枚芯片的价值将瞬间归零。这种巨大的技术路线风险，正是红杉最初拒绝他们的核心原因之一。“你们是在赌一个单一算法的未来，”当时红杉的合伙人告诉亚历克斯，“这不符合我们的投资哲学。”

被红杉拒绝后，三人并没有气馁。他们转而寻求一些“更懂技术”的机构。2021年，他们从一家名为“沙丘路资本”的新兴基金那里获得了数百万美元的种子轮融资。这笔钱，让他们得以在波士顿郊区一个破旧的车库里，开始了第一代原型芯片的设计。马库斯·威廉姆斯回忆道：“我们三个人，在堆满披萨盒和能量饮料罐的车库里，画了上千张草图，每一个晶体管的布局都要经过反复的推敲。因为我们知道，我们不是在造一块普通的芯片，我们是在造一颗‘炸弹’，一颗能炸开英伟达帝国城墙的炸弹。”

从“软件定义硬件”到“硬件定义软件”：一场关于计算本质的回归

要理解Etched的野心，就必须先理解当下AI计算领域正在发生的一场静悄悄但深刻的革命。过去十年，得益于英伟达CUDA生态的成功，“软件定义硬件”的理念深入人心。GPU作为通用处理器，通过强大的编程能力来适应各种AI模型。这种模式极大地降低了AI创新的门槛，但也带来一个根本性的矛盾：当AI模型趋于收敛和标准化时，通用处理器的效率瓶颈变得无法忍受。

Etched的团队敏锐地捕捉到了这个趋势。他们做了一个极其精细的技术推演：在Transformer模型推理任务中，一个GPU芯片中超过60%的晶体管和能耗，都消耗在了与矩阵乘法无关的控制、缓存和通用逻辑单元上。这就像一个超级市场，明明95%的顾客只去买牛奶，但超市却配置了完整的生鲜、百货、家电区域和复杂的收银系统。这种浪费，在AI模型暴增的时代，意味着巨额的电费账单和低下的服务器利用率。

“我们不是在优化芯片，我们是在重新定义计算。”赵奕伦解释说。Etched的芯片，代号“E-1”，其核心就是一个巨大的、专门为Transformer的“注意力机制”（Attention mechanism）和“前馈神经网络”（Feed-Forward Network）量身定制的计算阵列。它没有复杂的指令集，没有通用的缓存一致性协议，甚至不支持除特定数据类型外的任何格式。它就像一台装上了“AI引擎”的F1赛车，拆掉了空调、音响和座椅，只为了一个目标：在推理任务上跑出最快的速度。

这种“硬件定义软件”的思维，看似是一种倒退，实则是一种进化。它要求软件必须为特定的硬件进行适配，这与GPU的通用性背道而驰。但Etched团队给出的解决方案是：既然AI世界已经选择了Transformer，那么我们就让Transformer模型在E-1上运行得像“原生应用”一样流畅。为此，他们投入了巨大的精力，开发了一套名为“E-Torch”的编译器工具链，能让开发者用标准的PyTorch代码，无缝地将模型部署到E-1上。这是一种防守也是一种进攻：他们承认英伟达在训练生态上的绝对优势，但坚决认为，在推理这个决定TCO（总拥有成本）的最关键战场，必须建立自己的主权。

红杉的“世纪反转”：从“当面拒绝”到“大额C轮”背后的权力与赌注

2025年，全球AI算力短缺达到顶峰。英伟达的H100和B200芯片供不应求，价格飙升至数万美元一片，并且还买不到。许多中型AI公司和研究机构开始抱怨，他们收入的很大一部分都贡献给了英伟达的“算力税”。就在这个时候，Etched拿出了E-1芯片的测试数据，整个硅谷都震惊了。

在运行几个主流的开源Transformer模型（如LLaMA-3， GPT-Next等）推理任务时，E-1芯片的性能功耗比是英伟达H100的5到8倍，计算密度（每平方毫米每秒计算次数）更是达到了惊人的3倍。更重要的是，Etched直接放出了杀手锏：他们承诺，当开发者将模型部署到E-1上后，单位Token的推理成本将下降至少70%。这个数字，对于任何一家正在烧钱做推理服务的公司来说，都无异于一张巨额支票。

“硬刻”的代价：在英伟达的阴影下，一场关于生态、产能与命运的终极豪赌

Etched的故事，在硅谷引发了激烈的争论。支持者认为，这是专用芯片（ASIC）对通用处理器（GPU）的一次伟大逆袭，是计算“回归本质”的胜利。他们认为，未来的AI计算市场将走向分化：英伟达继续统治训练和多样化的推理场景，而Etched这类公司将在特定场景的推理中建立起绝对的护城河。

然而，质疑声同样尖锐。最重要的指责集中在生态脆弱性和单点故障风险上。GPU之所以强大，不仅仅是因为硬件，更是因为CUDA这个历经数十年构建的软件生态。Etched的E-Torch虽然能与PyTorch兼容，但对于那些高度依赖英伟达库的模型来说，移植过程仍然充满挑战。“如果你的芯片只能跑一种模型，万一明天出现了比Transformer更好的架构呢？”这是Etched团队在每一次路演中都必须回答的问题。

创始人亚历克斯·陈对此的回应是：“我们不是赌Transformer会永远存在，而是赌在接下来的5到10年内，Transformer及其变体（如Mamba、混合架构等）仍然是AI生产环境中的绝对主流。我们聚焦于把这一件事做到极致，然后根据AI架构的演进，迭代我们的芯片。当你有能力在极短时间内推出一款针对新架构的专用芯片时，你就不是‘单点’，而是‘系列’。”他透露，Etched已经开始了下一代架构的预研，预计2028年交付的芯片，将能支持几乎所有的“类Transformer”序列模型。

但资本市场听懂了。在红杉的带领下，Andreessen Horowitz、Founders Fund以及中东的主权财富基金纷纷入局。他们看到的不是一个简单的芯片公司，而是一个在未来10年价值万亿美元的AI推理市场中，有机会挑战甚至颠覆现有霸主地位的“规则改变者”。在2026年的今天，当AI模型越来越庞大，推理成本越来越高，任何能带来数量级效率提升的技术，都值得用天价下注。

算力“民主化”的黎明，还是新霸权的序章？

站在2026年的盛夏回望，Etched的崛起，更像是一场技术演进与资本意志共同导演的“完美风暴”。它揭示了AI产业一个深刻的底层矛盾：当模型快速迭代时，算力的通用性至关重要；但当模型开始收敛并进入大规模推理部署阶段，计算效率就成为了唯一的王冠。

Etched的103亿美元估值，为整个行业敲响了一记警钟。它告诉所有人，在AI这个赛道上，没有永恒的王者，只有不断的颠覆。英伟达的黄仁勋不得不重新审视自己的产品线，那些曾被认为坚不可摧的护城河，正在被一群“硬核”的年轻人以最直接的方式挑战。而对于那些在算力饥渴中挣扎的AI公司来说，Etched的出现，无疑是黑暗中的一道刺眼曙光。他们终于有了一个可以向英伟达压价的“B计划”，一个可以真正实现“算力自由”的希望。

然而，我们也必须清醒地看到，Etched的成功，并不是“开放”和“民主”的简单胜利。它代表的是一种新的垄断可能——一种基于专用架构的“硬锁”。当你的整个推理基础设施都依赖于Etched的芯片时，你就从一个“英伟达的客户”，变成了“Etched的附庸”。这是一种从“软生态”到“硬生态”的控制权转移。从英伟达到Etched，本质上，不过是换了一个收费站。

无论如何，这场大戏才刚刚拉开序幕。三位哈佛退学者，用他们“硬刻”的执念，在硅谷的心脏地带引爆了一颗深度科技炸弹。红杉资本用3亿美元C轮融资，为自己曾经的傲慢买单，也为整个行业投下了最重的一注。英伟达的帝国墙上，第一次出现了肉眼可见的裂缝。而这条裂缝之下，是AI计算世界未来十年权力与财富的重新洗牌。

我们或许正在目睹一个新时代的序章。当软件开始为硬件让路，当算法被刻进硅片，当通用性被极致效率取代，AI的边界将被推至何方？Etched给出的答案是：回归物理的极限，用最纯粹的工程美学，去解构最复杂的智能。 这不仅仅是一家公司的故事，这是一个关于信仰、勇气和颠覆的史诗。在硅谷，每一个伟大的故事都始于一个被所有人嘲笑的疯狂想法，然后，用冷冷的数字和滚烫的芯片，让所有嘲笑者闭嘴。

从流片到机架交付，融资买的是制造能力

公司公告给出的量产坐标，比单纯的芯片性能叙事更值得关注：Etched称，其首代A0芯片已采用台积电N4P工艺流片，并在与客户共同验证首款机架级产品；首批机架计划于2026年夏季交付，公司已启动生产以承接超过10亿美元的客户合同。为缩短硬件迭代周期，Etched还在台湾设立工厂，并在圣何塞建设数据中心、测试设施和NPI原型实验室。上述进展均属于公司自行披露，最终交付规模和商业兑现仍有待后续验证。

这也解释了3亿美元新资金的用途：前沿推理系统不是一颗ASIC就能独立完成的产品，而是芯片、封装、PCB、冷板、互连、软件和制造方法的协同工程。Etched披露团队已超过400名工程师，并已投入数亿美元启动推理集群制造。对投资者而言，真正需要验证的不是“专用芯片能否在单项指标上更快”，而是公司能否把实验室优势稳定复制到千芯规模、数据中心环境和持续生产中。