2026 年 1 月 13 日,Bloomberg 報導,舊金山 AI 晶片新創 Etched 完成約 5 億美元的新一輪融資,目標直指 NVIDIA 在 AI 加速器市場的主導地位。Data Center Dynamics 引述消息指出,此輪由投資機構 Stripes 領投,估值約 50 億美元;Built In SF 的報導則確認 Peter Thiel 也在投資者名單中。
這筆錢延續 Etched 的資本軌跡:該公司 2024 年才完成 1.2 億美元的 A 輪。從 1.2 億到 5 億、估值站上 50 億美元,中間只隔了一年多——資本市場對「NVIDIA 之外的選項」的飢渴程度,數字本身已經說明。
Sohu:專為 transformer 而生的 ASIC
Etched 的核心產品是名為 Sohu 的晶片。與通用型 GPU 的根本差異在於:它把 transformer 架構直接做進硬體,是針對單一模型架構設計的 ASIC。Built In SF 指出,Sohu 由 TSMC 以 4nm 製程代工,設計目標是在執行 transformer 模型時比通用 GPU 更有效率,且能執行來自 Google、Microsoft、OpenAI 與 Anthropic 的模型。
這條路線的賭注很清楚:當代幾乎所有大型語言模型都建立在 transformer 之上,既然工作負載高度同質,就把電晶體全部花在這一種運算上,犧牲彈性換取效率。通用 GPU 得應付各種 workload,ASIC 不用——同樣的製程節點,帳面效率就有機會拉開差距。
為什麼是現在:推理需求的爆發
時機是這輪融資真正的背景。模型推理正在取代訓練,成長為 AI 算力需求的主力:agent 應用讓單一任務動輒產生數十次模型呼叫,搜尋、摘要、coding agent 全都在燒推理 token。NVIDIA 的產能與價格因此成為整個產業的瓶頸,買不到、買不夠、買不起,是許多平台團隊 2025 年以來的共同經驗。
雲端巨頭早已用行動表態:Google 的 TPU、Amazon 的 Trainium 都走自研 ASIC 路線,而且逐步對外開放。Etched 等於把同一套邏輯包裝成獨立公司的產品,賣給沒有能力自研晶片的 AI 平台。同一週,Meta 才剛宣布 Meta Compute 計畫、誓言十年內建成數十吉瓦算力;上下游同時加碼,說明市場把「推理專用硬體」視為下一波基建週期的核心元件。
押注單一架構的風險
這條路線的風險同樣具體。第一,架構風險:ASIC 的效率優勢建立在「transformer 持續主導」的前提上,一旦主流模型轉向混合架構或新範式,專用晶片的彈性劣勢就會放大。第二,生態風險:CUDA 十幾年累積的軟體堆疊與開發者慣性,不是硬體效率就能直接換算;模型框架、kernel 庫、部署工具的每一步支援,都是新進者要補的課。第三,驗證風險:效率宣示與大規模量產部署之間,還隔著良率、供應鏈與真實資料中心的考驗。
對買方而言,合理的姿態是把這類 ASIC 視為多源算力策略的一環,而非替代品:在通用 GPU 之外增加一條針對 transformer 推理優化的供應線,用工作量分割來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號——同週 xAI 才完成 200 億美元 E 輪,Meta 宣布吉瓦級基建計畫,資本市場在算力供應鏈的每一層都在加碼。
參考來源
- AI Chip Startup Etched Raises $500 Million to Take on Nvidia — Bloomberg
- Etched raises $500M funding — Built In San Francisco
- Etched raises $500m for a reported $5bn valuation — Data Center Dynamics
本文由 AI 協助自上述來源整理，經人工審核後發布。