公司概况与融资 - 人工智能芯片初创公司Etched.ai由三位哈佛辍学的00后创立，专注于开发专用于Transformer架构的ASIC芯片[3][4] - 公司于2022年正式成立，团队吸引了包括英特尔前副总裁、来自谷歌、微软、亚马逊等科技巨头的数十位专业人士加入[13] - 公司近期完成了5亿美元的A+轮融资，由Stripes Group领投，Ribbit Capital、Peter Thiel以及Palantir等跟投，此轮融资后公司估值接近50亿美元，总融资额接近10亿美元[4][19] - 此前融资历程包括：2023年种子轮融资536万美元，由Primary Venture Partners领投；2024年A轮融资1.2亿美元，由Positive Sum和Primary Venture Partners共同领投[19] 核心技术：Transformer专用ASIC - Etched.ai的核心产品是名为Sohu的ASIC芯片，该芯片专为运行Transformer架构的AI模型而设计，放弃了图形渲染单元和对CNN/RNN等传统模型的支持[16][18] - Sohu芯片采用台积电4nm工艺，其设计大幅简化，硬件利用率高达90%，而通用GPU平均仅为30%[16][18] - 在性能上，由8块Sohu芯片组成的服务器，其性能相当于160块英伟达H100 GPU，且功耗更低[18] - 公司宣称，在运行文本、图像和视频转换器时，Sohu的速度比英伟达的Blackwell GB200 GPU快一个数量级，价格也更低[18] 市场定位与竞争逻辑 - 公司认为Transformer架构将主导人工智能领域，其市场切入点是AI推理这一细分市场，旨在通过极致的垂直优化挑战英伟达[15][20] - 行业逻辑在于，随着AI模型架构趋向稳定，99%的算力都在运行同一种架构，专用ASIC芯片在性能和能耗上相比通用GPU具有显著优势[22] - 公司采用“All in or nothing”的业务模式，完全专注于Transformer架构，这意味着如果未来该架构不再流行，芯片价值将大打折扣，但投资人仍看好此模式[18] 行业趋势：专用芯片崛起 - AI硬件领域正涌现一批专注于专用芯片的挑战者，大致可分为三类：极致推理先锋（如Etched.ai、Groq）、巨型架构挑战者（如Cerebras Systems）以及专注于国产替代的国内ASIC劲旅（如寒武纪、后摩智能）[23][24][25][26] - 根据统计，多家AI ASIC创业公司已获得高估值，例如：Etched.ai估值50亿美元，Groq估值69亿美元，Cerebras估值220亿美元，d-Matrix估值20亿美元，Tenstorrent估值40亿美元，后摩智能估值超10亿美元[27] - 这些初创公司正试图通过极致的垂直优化，在效率与成本的竞赛中，于英伟达主导的市场开辟一片属于专用芯片的新森林[27]

公司概况与融资 - 由哈佛大学辍学生Gavin Uberti和Chris Zhu于2022年创立，总部位于美国加州圣何塞 [12] - 近期完成近5亿美元新一轮融资，由Stripes领投，Peter Thiel等参与，公司估值达50亿美元，总融资额接近10亿美元 [1] - 核心团队包括联合创始人兼CEO Gavin Uberti（前哈佛数学研究员与AI编译器专家）、联合创始人Chris Zhu（前哈佛数学与高性能计算研究员）、联合创始人兼总裁Robert Wachen（前创业孵化器联合创始人）以及CFO Mark Ross（前Cypress公司CTO）[12][14] 产品与技术策略 - 公司专注于开发为Transformer架构AI模型设计的专用定制芯片（ASIC），名为Sohu [3] - Sohu芯片采用台积电4nm工艺制造，并集成HBM内存和服务器硬件 [10] - 技术策略高度专业化，仅专注于运行Transformer模型，不做通用GPU，通过“做减法”避免运行其他AI模型（如CNN、LSTM）的硬件和软件开销，旨在实现极致效率 [10] - 产品定位为生产级推理芯片，目标是在密集模型、稀疏模态、扩散等场景下，将每美元及每瓦的计算效率提升1个数量级 [7] 性能与效率主张 - 在特定测试配置下，运行Llama 70B模型时，Sohu芯片可实现每秒处理超过50万个token的吞吐量 [3] - 公司宣称，在运行文本、图像和视频Transformer时，Sohu的速度比英伟达Blackwell GB200 GPU快1个数量级，且价格更低 [4] - 一台由8颗Sohu芯片组成的服务器，据称可以替代160块英伟达H100 GPU [5] - 公司早期研究显示，在运行生成式AI模型时，其方案每美元性能可达传统图形处理器的140倍 [14] 市场背景与机遇 - 行业背景是AI大模型训练成本超过10亿美元，推理应用规模可能超过100亿美元，在此规模下，1%的性能提升就足以支撑价值5000万至1亿美元的定制芯片项目 [5] - 市场判断认为，过去几年计算密度（TFLOPS/mm²）仅提升了约15%，且随着大模型训练放缓、推理需求暴涨，算力需求正从单纯比拼FLOPS转向综合比拼成本、延迟和能耗 [3] - 据预测，到2026年底，英伟达数据中心累计销售额将超过5000亿美元，显示了巨大的潜在市场空间 [3] 应用案例与长远愿景 - 公司与Decart合作推出AI生成游戏Oasis，该游戏画面由生成模型实时合成，据称模型在Sohu上的运行速度提升了10倍以上 [11] - 公司长远愿景不仅限于文本生成模型，还包括为图像、视频生成以及蛋白质折叠模拟等不同类型的AI模型制造其他芯片 [16] 行业竞争格局 - 多家公司正探索AI推理专用芯片，作为GPU的替代方案，例如Meta的MTIA、亚马逊的Graviton和Inferentia [10] - 其他初创公司如Perceive（推出Ergo 2处理器）、Groq（推出LPU）以及Tenstorrent（基于RISC-V架构开发AI处理器）也展示了类似的专用化思路 [17]