摘要： Bloomberg 在 2026 年 1 月 13 日披露 Etched 完成約 5 億美元募資，目標是挑戰 NVIDIA 的 AI 加速器市場，報導估值約 50 億美元。其 Sohu 晶片是把 transformer 架構鑄進硬體的 ASIC，由台積電以 4nm 製程代工；文中也點出架構、生態與量產風險。
2026 年 1 月 13 日,Etched 這家落腳舊金山的 AI 晶片新創被 Bloomberg 披露完成新一輪約 5 億美元的募資,對準的正是 NVIDIA 稱霸的 AI 加速器市場。Data Center Dynamics 援引消息人士的說法,本輪由投資公司 Stripes 擔綱領投,估值落在約 50 億美元;Built In SF 則證實 Peter Thiel 也在出資者之列。
這輪資金延續著一條陡峭的資本曲線:Etched 到 2024 年才收進 1.2 億美元的 A 輪。一年多過去,募資規模推到 5 億美元,估值一併站上 50 億美元——「NVIDIA 之外的選項」有多搶手,數字已經講完。
Sohu:一顆為 transformer 量身打造的 ASIC
Sohu 是 Etched 手上的核心產品。它與通用型 GPU 的分別是根本性的:transformer 架構被直接鑄進硬體,整顆晶片就是圍繞單一模型架構打造的 ASIC。依 Built In SF 的報導,Sohu 交給 TSMC 以 4nm 製程代工,設計初衷是在執行 transformer 模型時,效率要勝過通用 GPU;Google、Microsoft、OpenAI 與 Anthropic 的模型也都執行得了。
這個賭注不難說清楚。現今幾乎所有大型語言模型都蓋在 transformer 上,工作負載的同質性非常高——那就把電晶體全數押在同一種運算上,用彈性去換效率。通用 GPU 得接住形形色色的 workload,ASIC 卻沒有這層包袱;在相同製程節點下,光是這一點,帳面效率就可能出現落差。
時機為何關鍵:推理需求飆升
真正的背景是時間點。AI 算力需求的重心,正從訓練一路滑向推理:agent 應用的一個任務,動輒要打上數十次模型;搜尋、摘要、coding agent,沒有一樣不在消耗推理 token。NVIDIA 的產能與定價因此掐住全產業的咽喉——搶不到額度、要不足數量、付不起價格,是 2025 年以來眾多平台團隊的共同日常。
雲端巨頭早已用真金白銀表過態:Google 的 TPU、Amazon 的 Trainium,同樣選了自研 ASIC 這條路,而且一步一步對外開放。Etched 等於是把同一套思路裝進獨立公司,再端給無力自行設計晶片的 AI 平台。同一週,Meta 才發布 Meta Compute 計畫,宣示要在十年內建成數十吉瓦算力;上下游同步往上加,等於宣告市場已把「推理專用硬體」當成下一輪基建週期的關鍵零件。
把寶全押在單一架構上的風險
風險端同樣具體。其一是架構風險:ASIC 的效率優勢,前提是 transformer 持續獨霸;一旦主流模型轉往混合架構或全新典範,專用晶片在彈性上的弱點就會被放大。其二是生態風險:CUDA 十多年堆積出的軟體堆疊與開發者慣性,不是單靠硬體效率就能折算成市場;模型框架、kernel 庫、部署工具,每一項支援都是後進者要自己補的進度。其三是驗證風險:從效率宣示走到大規模量產部署,中間還隔著良率、供應鏈,以及真實資料中心的重重考驗。
對買方來說,務實的態度是把這類 ASIC 收進多源算力策略的一環,而不是當成替代品:在通用 GPU 之外多開一條針對 transformer 推理優化的供給線,再用工作量拆分,對沖單一供應商的價格與產能風險。這也是 2026 年開年資金流向的共同訊息——同一週裡,xAI 甫完成 200 億美元的 E 輪,Meta 也端出吉瓦級基建計畫;算力供應鏈的每一層,資本市場都持續下注。