AI芯片初创公司Etched完成一轮3亿美元融资,投后估值103亿美元,红杉资本领投,SK海力士、a16z、Jane Street、Diffusion Capital跟投,彼得·蒂尔等早期投资人继续加注。这是Etched七个月内第二次拉高身价——去年12月,它刚以50亿美元估值融到5亿美元。

公司同时宣布,首批自研芯片已在台积电完成流片,首套完整系统进入客户测试,并称拿下了10亿美元订单。这些数字目前全部来自Etched自己的口径,还没有第三方审计、独立跑分或公开合同能够印证。资本愿意为"专用推理系统"这条路线下注,不等于Etched已经证明自己能从英伟达手里抢生意。

估值七个月翻倍,资本在为"专用推理系统"这条路线下注

Etched由Gavin Uberti、Robert Wachen、Chris Zhu三名哈佛辍学生2022年创立,起步时团队睡在朋友家客厅打地基。如今公司400人,自建一座2兆瓦数据中心。

Etched 融资节奏 2022年 三名哈佛辍学生创立 2025年12月 C轮前融资5亿美元 50亿美元 2026年7月 C轮融资3亿美元 103亿美元 七个月内估值翻倍

领投方红杉资本是老牌硬件投资机构。SK海力士这次跟投更值得琢磨——作为存储芯片巨头,它押的更像是未来的供应链位置,而不只是财务回报。

Wachen向媒体解释了产品思路。推理分两段:prefill负责理解提示词和上下文,计算量大;decode负责逐字生成输出,对内存带宽要求极高。Etched为prefill做了一颗低电压芯片,发热更低,理论上能塞入更多晶体管;为decode做了一套"集群共享内存"互联技术,让多颗芯片共用一个低延迟内存池。具体设计细节和实测数据,公司没有公开。

推理拆成两段,各配一套专用硬件 用户提示词 输入 Prompt 含上下文理解 Prefill芯片 低电压推理 更低发热 更多晶体管 Decode环节 集群共享内存 多芯片互联 低延迟 输出Token 用户可见的 回答内容 产品形态:整机架系统,而非单颗芯片 兼容主张:Transformer / MoE(如DeepSeek、Qwen) / Mamba
七个月涨一倍,是资本给的信任,不是客户给的验收。

10亿美元订单里,到底核实了什么

Etched卖的是完整机架系统,不是单颗芯片,这是它区别于多数芯片创业公司的地方。公司称系统能跑Transformer架构,也能跑DeepSeek、Qwen这类MoE混合专家模型,还能跑Mamba这种状态空间模型。这是公司自己的兼容性主张,没有第三方跑分验证覆盖到什么程度。

把目前公开的信息和缺失的信息摆在一起看,更清楚:

关键指标目前状态
10亿美元订单Etched官方口径,客户名单、合同细节均未公开
独立性能测试(如MLPerf)尚未出现,成本和速度优势无法验证
制程与产能台积电完成流片,具体节点、良率、爬坡速度未披露
系统功耗与密度官方未给出整机功耗和算力密度数据
规模化交付时间表未公布,Wachen称团队"还要被规模化这件事教育一遍"
  • 风险.10亿美元订单、速度和成本优势,目前均出自Etched自身表述,没有独立测试或公开交付记录佐证。

行业里说的"独立测试",通常指MLPerf推理榜单,或第三方实验室做的吞吐量、时延对比。Etched至今没有出现在任何公开榜单里。这是判断它能不能真正对标英伟达的最直接信号,也是接下来最该盯的一件事。

到目前为止,能接触真实系统的只有投资人和早期用户。OpenAI研究员Noam Brown、图灵奖得主Geoffrey Hinton、AI研究者Andrej Karpathy等人在Etched办公室试用过样机,这也是不少明星投资人愿意跟投的原因之一。但试用是个人体验,不是企业采购,更不构成行业背书。

对愿意尝试的团队来说,现实成本不只是买硬件。把推理服务接入新系统,通常要重写调度和内存管理层的代码。这笔移植工作,在公开对比测试出来之前很难报价,也很难保证性能对得上宣传数字。

英伟达和谷歌都没等着,客户换不换系统要看交付

Etched要挑战的不是一个空场子。英伟达的通用GPU生态积累多年,软件栈和开发者习惯都是现成的迁移壁垒。据报道,谷歌也在为Gemini开发一款把模型架构直接蚀刻进硅片的Frozen v2芯片——"专用硅片"这条路已经不是异想天开,只是谷歌走的是服务自家模型的内部路线。Groq、Cerebras、SambaNova这些同样做专用推理芯片的公司也都拿过大额融资,至今没有一家在通用市场上真正撼动英伟达。

路线定位现状
英伟达通用GPU软件生态成熟,行业默认选项市场份额稳固,客户迁移成本最低
谷歌Frozen v2据报道为Gemini定制蚀刻内部专用,不对外销售
Etched机架级通用推理系统流片完成,规模化交付未验证
Groq、Cerebras、SambaNova等同样主打专用推理芯片融资规模不小,尚未撼动英伟达的通用市场份额
三条推理硬件路线 英伟达 · 通用GPU 软件生态最成熟,客户迁移成本最低 Google · Frozen v2 据报按Gemini架构定制蚀刻,仅服务自家模型 Etched · 通用推理系统 机架级产品,称可跑多种架构,规模交付未完成

对AI模型公司和算力采购负责人来说,现实问题很具体:预算要不要现在就往新架构上迁。在MLPerf之类公开跑分和批量交付记录出现之前,更现实的做法是先观望,或者最多签个带性能对赌条款的框架协议,而不是直接批量下单。

Etched从睡朋友家地板起步,到400人团队、2兆瓦自建数据中心,故事够励志。但资本市场愿意为叙事买单一次,不代表客户会为同一个叙事买单两次。真正决定Etched能走多远的,还是那批正在测试中的机架,什么时候能批量装进真实的数据中心,以及它敢不敢把成绩单摆上MLPerf。