2 年，$50 亿——这家小公司要革 Nvidia 的命

2 年，$50 亿——这家小公司要革 Nvidia 的命？

老黄真正的对手，可能不是 AMD，而是一个极致的“偏科生”。

本周，成立仅 2 年的 AI 芯片初创公司 Etched 正式走出隐身模式，交出了一份震撼硅谷的成绩单：

累计融资 $8 亿
估值冲上 $50 亿
签下 $10 亿 预售合同
背后投资天团包括：Jane Street、Peter Thiel、Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li，以及一家与台积电深度绑定的战略基金。

一家初创小公司，凭什么挑战万亿巨头？
答案就四个字：极致偏科。

🚨 Nvidia 的隐痛：“全能冗余怪”

Nvidia 的 GPU 是人类工程史上最伟大的通用计算机器。它能跑游戏、做科学模拟、训练 AI、渲染特效——但这种“万能”的代价，是巨大的资源闲置。

有人做过一道让 Nvidia 难堪的算术题：
H100 拥有 800 亿个晶体管，但真正用于大模型核心运算（矩阵乘法）的张量核心（Tensor Cores），只占约 3.3%。剩下 96.7% 的晶体管，全是调度器、指令解码器、光追单元等“历史包袱”。

更要命的是利用率。在跑大模型推理时，H100 的实际利用率通常只有 30-40%。你花几十万买来的芯片，大半时间都在发呆。

为什么？因为大模型推理是“一个字一个字往外蹦”的自回归过程。每生成一个 Token，都要把几十 GB 的权重从显存里读一遍。这是内存带宽瓶颈，不是算力瓶颈。 强大的计算核心，大部分时间都在傻傻地等内存喂数据。

⚡ Etched 的赌注：把 Transformer 直接烧进硅片

Etched 走了一条近乎疯狂的极端路线：把 Transformer 架构的全部计算逻辑，直接用固定电路硬编码进硅片（ASIC），彻底拿掉可编程层。

这不是优化 CUDA，也不是写个更好的编译器。它的 Sohu 芯片（台积电 N4P 工艺）里根本没有通用计算单元，取而代之的是两套专属引擎：

1. 收缩阵列（Systolic Array）： 专喂 FFN 的大规模矩阵乘法。

2. 自注意力电路（Self-Attention Circuit）： 专门搞定 Attention 计算中最棘手的 Softmax 和加权求和。

这两套引擎拥有独立的 HBM 内存通道，权重和 KV Cache 读取互不干扰。

这直接干掉了 GPU 的一个长期痛点。在 GPU 上跑 FlashAttention，每次遇到 Softmax 向量计算，矩阵乘法单元就得“停工”等待切换。EPFL 研究显示，这种“停走切换”让通用加速器的矩阵吞吐量（90 TFLOPs/s）和向量单元（2.3 TFLOPs/s）产生了 40 倍的性能鸿沟。而 Sohu 靠专属硬件两条流水线并行，根本不存在切换损耗。

结果有多夸张？
Etched 宣称，一台 8 芯 Sohu 服务器在跑 Llama 70B 时，吞吐量达 50 万 Tokens/秒。

单颗 Sohu： 约 6.25 万 Tokens/秒

单颗 H100： 同等任务下约 700 Tokens/秒

官方宣称：8 颗 Sohu 即可替代 160 张 H100。

哪怕这些数字注了水、打个五折，这个效率差距也足以让数据中心的主管们疯狂。

⚠️ 这场惊天赌局的命门在哪里？

Sohu 的逻辑无懈可击——前提是：Transformer 架构在未来几年内不会被颠覆。

Sohu 是一辆只能在特定轨道上跑的磁悬浮列车。在那条轨道上，它比任何东西都快；但一旦轨道换了，它就是一块昂贵的废铁。

现在最火的一批开源大模型（如 DeepSeek、Qwen 的最新迭代）都在全面转向 MoE（混合专家架构），其复杂的动态路由对固定电路是极大挑战；更不用说多模态视觉模型、扩散模型、以及完全跳出 Transformer 的 Mamba/SSM 架构。

此外，Nvidia 的真正护城河是积累了 20 年的 CUDA 生态。让工程师为了性能去重构整套软件推理栈，迁移成本高得吓人。

🌊 但格局，确实在变了

2023 年，Etched 的两位哈佛辍学创始人拿着 30 页 PPT 四处路演，论证“AI 终将需要专用推理芯片”，被几乎所有主流投资人拒绝，公司一度靠月度现金流勉强续命。

2026 年，同样的判断，换来了 $8 亿融资 与 $10 亿合同。

这不只是 Etched 的故事。Cerebras 完成了今年最受瞩目的 IPO，Groq 刚斩获 $6.5 亿巨额融资，大厂（Amazon、Google、微软、OpenAI）也都在疯狂自研专用推理芯片。整个行业都在用真金白银投票：AI 推理的基础设施，不能永远被一家公司垄断。

老…